全栈开发工程师（Infra / MLP）

优缺点分析

角色解读

• 技术深耕：在机器学习平台领域深入，成为全栈架构师或AI基础设施专家
• 管理方向：带领前后端团队，担任技术负责人或平台架构组主管
• 跨领域发展：转向算法工程、云原生或数据平台等相邻领域
• 负责机器学习平台的全栈开发，涵盖训练任务调度、推理服务、实验管理、模型管理等模块
• 主导后端服务架构设计，包括接口设计、数据库建模、高可用方案，确保系统稳定可靠
• 参与前端交互与可视化开发，帮助用户直观理解训练过程、任务状态与实验结果
• 与算法、平台、产品团队协作，推动平台从架构设计到落地交付，持续优化工程体系
• 扎实的全栈开发能力，精通后端语言（Go/Java/Python）和前端框架（React/Vue）
• 具备后端架构设计经验，包括服务拆分、数据库建模、缓存/消息队列的使用
• 有高可用系统建设经验，如限流降级、灰度发布、SLA保障等
• 熟悉前端工程化工具（Vite/Webpack）和性能优化

申请策略

• 了解米哈游的技术栈和游戏AI方向，在面试中展示对平台业务的理解
• 准备一个全栈架构设计案例，详细描述技术选型、权衡和落地效果
• 突出AI/ML平台相关项目经验，特别是训练、推理、模型管理等模块的开发经历
• 强调后端架构设计案例，展示服务拆分、数据库建模、高可用方案的实际成果
• 列出前后端技术栈的深度，如Go后端+React前端的具体项目
• 提及云原生或Kubernetes经验，以及性能优化、可视化等加分项
• 若缺乏ML平台经验，可自学训练调度、GPU管理、模型服务化等概念，通过开源项目实践
• 补充数据可视化技能（ECharts/D3），以匹配加分项

面试指南

• 使用STAR法则：情境、任务、行动、结果，突出量化成果和技术难点
• 对于架构设计问题，从需求分析、技术选型、拆分策略、容错机制逐步展开
• 备选方案对比：说明为什么选择某个方案，以及其权衡
• 请介绍一个你参与过的AI/ML平台项目，你在其中负责什么，如何设计架构？
• 如何设计一个高可用的训练任务调度系统？考虑限流、降级、灰度发布
• 前后端分离项目中，你如何优化前端性能？举例说明
• Go和Java在微服务架构中的优缺点？你会如何选择？
• 如何设计数据库模型来支撑实验管理与模型版本管理？