蚂蚁集团-AGI SRE-杭州

优缺点分析

角色解读

• 在AI基础设施领域深耕，成为AI可靠性专家
• 向AI Infra架构师方向发展，负责整体系统设计和优化
• 有机会参与开源社区，提升技术影响力
• 负责大模型训练、推理、Agent等全链路的稳定性保障，包括监控、预警、应急响应和故障自愈
• 构建资源治理和成本优化体系，提升算力调度效率，降低AI业务运营成本
• 探索AIOps和AI Agent在运维中的应用，开发智能异常检测和质量退化识别工具
• 扎实的工程能力，精通Python/Golang/Java至少一种
• 熟悉推理服务架构（如vLLM、SGLang）或训练服务架构，了解大模型基础理论
• 掌握大模型基础知识，如Transformers、GPU计算、云原生调度等
• 具备SRE思维，能基于ROI承担端到端稳定性责任

申请策略

• 了解蚂蚁集团在AI领域的布局和业务方向
• 准备展示你对稳定性工程的理解和实际案例
• 突出AI相关项目经验，如大模型训练或推理服务稳定性保障
• 强调编程能力和系统设计能力，展示具体的技术成果
• 如有开源贡献或社区PR，务必列出
• 深入学习vLLM、SGLang等推理框架的架构和调优
• 熟悉Kubernetes和云原生资源调度
• 了解AIOps和智能运维工具

面试指南

• 使用STAR法则回答行为问题，突出你的具体行动和结果
• 对于技术问题，先阐述原理，再结合实践经验
• 展示你的系统思维和ROI意识
• 如何设计一个大规模AI服务的监控和告警系统？
• 描述一次你处理过的重大故障，你是如何应对的？
• 如何优化大模型推理服务的性能？
• 谈谈你对AIOps的理解，以及如何应用在运维中？
• 如何平衡资源成本和稳定性？