哈啰出行
ai平台开发工程师
ai平台开发工程师
发布于 21 分钟内普通员工/个人贡献者
全职员工仅现场办公后端开发
后端开发
Go
Pytorch
数据分析
值不值得投
71综合评分
综合评分 71
技术前沿的AI平台开发岗位，薪资待定，发展性较好，但WLB信息不足。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
28K
比后端开发中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 430 个在招 · 其中后端开发 2 个
市场机会
选择面较广
杭州 · 后端开发 · 约 160 个在招
职位详情
关于这个职位
该职位负责公司AI训推平台的架构设计与核心功能研发，确保平台稳定、可扩展和易用
工作涉及训练任务全生命周期管理、日志体系优化、资源用量统计与计费，以及平台性能提升
要求具备3年以上后端开发经验，熟悉Go/Java、Kubernetes和AI相关技术栈
最低要求
本科及以上学历，计算机、软件工程或相关专业，3 年以上后端研发经验
精通 Go 或 Java 至少一种语言，熟悉常用 Web 框架、ORM 与微服务开发模式，具备良好的编码规范与文档习惯
理解 Kubernetes 原理，熟悉 Pod、调度、资源配额、Operator / CRD 等机制，有 client-go、controller-runtime 等开发经验
熟悉集群调度与资源管理，了解 GPU 调度、队列、配额、抢占、Gang Scheduling 等概念，有 Kueue、Volcano、Kubeflow 等 AI 调度组件使用或二次开发经验者优先
了解深度学习训练流程，熟悉 PyTorch 等主流框架，理解数据并行、模型并行、分布式训练（DDP、DeepSpeed、Megatron 等）基本原理
了解训练与推理性能调优方法，如混合精度、显存优化、算子/通信优化、推理量化、批处理与 KV Cache 等，有 vLLM、TensorRT-LLM 等推理框架经验者优先
熟悉 MySQL、Redis、消息队列、配置中心、Prometheus 等常用中间件，具备定时任务、状态机、幂等与补偿等分布式系统设计经验
具备一定的数据分析能力，熟悉 Python 及 pandas、NumPy 等数据处理工具，能够基于资源用量、任务运行、日志等数据进行统计分析、指标建设与可视化，为计费核算、资源利用率优化和平台运营提供数据支撑
熟悉日志采集与存储体系（如 Fluent Bit、Loki、ELK），有大规模日志链路建设经验者优先
熟悉云资源计费、成本分摊或 FinOps 相关实践，有 OpenCost 等工具使用经验者优先
熟悉 Docker、CI/CD 与多环境发布流程，具备较强的问题定位能力、责任心与团队协作能力
工作职责
参与公司 AI 训推平台的架构设计与核心功能研发，保障平台的稳定性、可扩展性与易用性
负责训练任务管理模块的设计与开发，覆盖任务提交、排队、调度、运行、监控等全生命周期
负责平台日志体系的建设与优化，提升训练与推理任务日志的采集、存储与检索体验
负责平台资源用量统计与计费能力的建设，保障资源配额、成本核算数据准确可靠，并基于用量数据进行分析，输出资源利用率与成本优化建议
参与平台性能与稳定性优化，跟进线上问题排查与解决，持续提升平台服务质量
优先资格
熟悉集群调度与资源管理，了解 GPU 调度、队列、配额、抢占、Gang Scheduling 等概念，有 Kueue、Volcano、Kubeflow 等 AI 调度组件使用或二次开发经验者优先
了解训练与推理性能调优方法，如混合精度、显存优化、算子/通信优化、推理量化、批处理与 KV Cache 等，有 vLLM、TensorRT-LLM 等推理框架经验者优先
熟悉日志采集与存储体系（如 Fluent Bit、Loki、ELK），有大规模日志链路建设经验者优先
熟悉云资源计费、成本分摊或 FinOps 相关实践，有 OpenCost 等工具使用经验者优先
AI 洞察
优缺点分析
优点
- 技术栈前沿，涉及AI平台、Kubernetes、分布式训练等热门技术，有利于技能积累
- 参与公司核心平台建设，对业务有直接影响，能获得全栈式开发经验
- 公司平台规模大，资源丰富，可能提供较好的学习和技术交流环境
- 适合有3年以上后端开发经验，对云计算、Kubernetes和AI技术栈感兴趣，希望深入参与大规模平台建设的工程师
缺点 / 挑战
- 技术难度较高，需要同时掌握后端开发、云计算和AI训练知识，学习曲线陡峭
- 平台稳定性和性能要求高，线上问题排查可能带来一定工作压力
- 作为核心平台岗位，可能需要跨团队协作，沟通协调能力要求较高
角色解读
- 可向高级后端工程师或云原生架构师方向发展，深耕AI基础设施领域
- 有机会晋升为技术专家或团队负责人，负责平台整体架构和技术战略
- 随着AI平台技术的成熟，可转向机器学习工程或平台产品管理等角色
- 设计并开发AI训推平台的核心架构，确保平台的稳定性、可扩展性和易用性
- 负责训练任务的全生命周期管理，包括提交、调度、运行和监控
- 构建和优化平台的日志与计费系统，进行资源利用率分析与成本优化
- 参与平台性能优化和线上问题排查，持续提升服务质量
- 精通Go或Java编程，熟悉微服务开发和分布式系统设计
- 深入理解Kubernetes原理，具备Pod调度、资源配额等开发经验
- 了解AI训练流程和分布式训练框架，如PyTorch、DeepSpeed
- 具备数据分析能力，熟悉Python和数据处理工具，用于资源与日志分析
申请策略
- 研究哈啰出行业务和AI平台应用场景，面试时能结合公司需求讨论技术方案
- 准备分布式系统设计和Kubernetes故障排查的案例，展示问题解决能力
- 突出Go或Java项目经验，特别是涉及微服务、分布式系统的设计与开发
- 强调Kubernetes相关实践，如使用client-go开发Operator或参与资源调度
- 展示AI训练或推理平台开发经历，包括PyTorch、DeepSpeed等框架的使用
- 提供数据分析或资源管理相关的项目案例，体现成本优化能力
- 学习Kubernetes调度组件如Kueue、Volcano，了解AI调度优化
- 深入掌握分布式训练和推理性能调优技术，如DeepSpeed、vLLM
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化回答，突出个人贡献和技术深度
- 结合具体项目经验，说明技术选型理由和实际效果，用数据量化成果
- 对于架构设计问题，先阐述需求分析，再给出设计方案，并讨论优缺点和优化方向
- 请描述一个你参与的复杂后端系统设计，如何确保其稳定性和可扩展性？
- 你如何设计训练任务管理模块，覆盖从提交到监控的全流程？
- 在Kubernetes环境中，你如何处理GPU资源调度和配额管理？
- 请解释分布式训练中的数据并行和模型并行，并举例说明你在项目中的应用
- 如何优化AI推理服务的性能？谈谈你对量化、批处理等技术的理解
职位点评
薪资福利70
成长发展80
工作生活60
使命价值75
薪资福利
70中等
JD未明确薪资福利，但公司作为超大型企业，可能提供有竞争力的薪酬和基本福利保障。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
80较高
岗位涉及AI平台、Kubernetes等前沿技术开发，有利于技能提升和职业成长，但JD未明确提及培训或晋升路径。
技术前沿前沿/新兴技术
技术栈Go、Java、Kubernetes、PyTorch、Docker、MySQL、Redis、Prometheus、Python、Fluent Bit、Loki、ELK、CI/CD
业务类型cost_center
工作生活
60中等
JD未提及办公模式和WLB信息，可能需现场办公，工作灵活性有限。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
75中等
从事AI平台开发支持智能出行，行业前景好，但JD未明确强调社会使命或创新点。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs