联想
AgenticOps Staff Engineer
AgenticOps Staff Engineer
发布于 大约 14 小时前普通员工/个人贡献者
天津市
高级经验
全职员工
仅现场办公
学历未注明
信息技术与基础设施
Aiops
Llm
Multi-Agent
Pytorch
Rag
知识图谱
AI 估算 · 35k–55k
联想为上市大厂，天津高级AI工程师岗位稀缺，技术要求高，薪资对标一线城市同级别，月薪35-55K合理。
职位详情
关于这个职位
作为联想在天津的AgenticOps Staff Engineer，你将主导AIOps领域的AI架构设计与核心引擎开发，聚焦大模型、智能体（Agent）与高性能计算的系统化落地
你将负责多智能体协作架构、智能决策引擎及AIOps场景的持续优化，与研发、运维等多团队紧密协作，推动运维智能化转型
这个岗位要求深厚的AI系统功底和工程实现能力，适合希望在智能运维前沿深耕的高级技术专家
最低要求
教育与经验：计算机科学、人工智能、数据科学或相关专业
具备5年以上AI架构、数智化转型或AIOps相关经验，拥有千万级大型AI项目的架构与落地经验
专业技能要求：
AIOps与架构能力：深入理解智能运维体系架构、日志分析、异常检测、根因分析及自动化闭环体系
AI与大模型技术：精通LLM、RAG、Prompt Engineering、智能体编排、模型微调与分布式训练
高性能计算与系统优化：掌握异构计算（GPU、CPU、NPU等）、分布式调度、图计算与模型加速技术
AI全链路工程化：熟悉特征工程、数据管线、模型训练、推理部署与MLOps工具链（Kubeflow、Azure AI、ServiceNow AI等）
编程与系统实现能力：具备扎实的代码实现与调优能力，精通Python、C++或Rust，能独立完成复杂AI系统的研发与调试
开源与生态理解：熟悉AI与AIOps主流开源框架（如Transformers、PyTorch、Ray、LangChain、Kedro、OpenTelemetry等）
AI算法能力：深入研究并创新应用于AIOps场景的关键算法，包括但不限于异常检测与时序预测算法、事件关联与根因分析算法、日志与告警智能分析算法、强化学习与自动决策算法等
综合素质要求：
具备良好的中英文沟通与文档撰写能力，可参与国际项目与技术交流
拥有强烈的技术探索精神和创新意识，对新技术具备快速学习与验证能力
具备系统化思维和架构全局观，能协调多团队资源推动复杂项目落地
具有良好的知识分享与技术影响力，能够引领团队在AI与运维结合领域持续创新
工作职责
主要职责包括：
新技术研究与引入：持续跟踪AgenticOps及业界AI新趋势，评估前沿AI、大模型、智能体等技术在运维领域的应用价值
架构设计与技术规划：主导应用AIOps的整体AI技术架构设计，制定AI赋能运维的系统化规划与落地路线
负责重点项目及典型业务场景的智能化运维方案设计与实施推进，输出行业级AI应用运维解决方案
AIOps技术实现与优化：设计与实现多智能体（Multi-Agent）协作架构，实现复杂编程任务的自动拆解与分布式执行
深入研究并应用大语言模型（LLM）、RAG、Prompt工程与智能体编排技术，推动AIOps系统向自学习、自优化方向演进
构建AI知识图谱与智能决策引擎，实现根因分析、异常检测与自愈自动化
应用运维AIOPs场景的落地实现及持续优化
跨部门协作与落地推进：与研发、运维、数据及平台团队紧密合作，确保AI方案在生产环境中的稳定性与可扩展性
知识传播与业界交流：组织内部AI知识分享，参与行业研讨与合作交流，持续提升公司在AIOps领域的技术影响力
优先资格
有参与或主导AIOps平台或AI基础设施从0到1建设经验
具备多行业AI落地经验（如金融、电信、制造、能源等）
参与主流开源AI项目或智能体框架开发经验者优先
AI 洞察
优缺点分析
优点
- 站在AI与运维交叉的技术前沿，深度参与大模型和智能体在真实场景的应用，技术积累价值高
- 联想作为全球科技巨头，平台资源丰富，有机会参与千万级项目，积累行业解决方案经验
- 天津职场生活成本相对北京低，但薪资竞争力较强，适合追求技术深耕与稳定生活的工程师
- 与国际团队协作，中英文环境，提升跨国技术交流能力
- 技术要求极高，需要同时掌握AI架构、大模型、高性能计算和运维知识，学习曲线陡峭
- AIOps领域尚在快速发展，需持续跟踪前沿技术并快速验证，抗压能力要求高
- 适合具有5年以上AI架构经验、热衷于探索大模型与智能体在运维场景落地、且希望在国际化大平台深耕技术的高级工程师
缺点 / 挑战
- 跨部门协作频繁，需要协调多方资源推动落地，对沟通和项目管理能力有较高要求
角色解读
- 技术深度方向：成为AIOps领域的架构专家，引领行业标准制定，或转向首席科学家/高级架构师
- 管理方向：晋升为AIOps团队技术负责人或工程总监，带领团队实现更大规模的智能化转型
- 跨域发展：基于AI+运维的经验，横向拓展至其他AI应用领域（如智能客服、自动驾驶运维等）
- 主导AIOps整体AI架构设计，制定智能运维技术路线图，推动大模型与多智能体在运维场景落地
- 设计和优化Multi-Agent协作架构，实现复杂任务自动拆解与分布式执行，提升运维自动化水平
- 构建智能决策引擎与知识图谱，实现根因分析、异常检测和自愈闭环，保障系统稳定性
- 与研发、运维、数据团队紧密协作，确保AI方案在生产环境稳定运行，并持续迭代优化
- 精通LLM、RAG、Prompt Engineering和智能体编排，能够将大模型应用于运维场景
- 扎实的编程功底，精通Python、C++或Rust，能独立完成复杂AI系统的开发与调试
- 熟悉AIOps体系，包括日志分析、异常检测、根因分析和自动化闭环技术
- 掌握MLOps工具链（如Kubeflow、Azure AI）和主流AI框架（PyTorch、Transformers、LangChain等）
申请策略
- 提前了解联想在AIOps方面的公开信息（如专利、白皮书），面试时展现对业务方向的理解
- 准备一个完整的AIOps架构设计案例，从问题分析、方案设计到落地挑战，展示系统化思维
- 突出千万级AI项目的架构设计与落地经验，具体说明你在AIOps/智能运维中的角色和贡献
- 详细展示LLM、RAG、Multi-Agent等大模型技术的实际应用案例，最好有量化效果
- 列举掌握的MLOps工具链和编程语言，特别是Python、C++或Rust的工程化经验
- 强调开源贡献或技术分享经历，体现技术影响力
- 深入学习LangChain、Ray等智能体编排框架，动手搭建一个简单的Multi-Agent demo
- 补充运维领域知识，如Prometheus、Grafana、ELK等，理解AIOps实际需求
面试指南
- STAR法则：描述项目背景（Situation）、目标（Task）、你的具体行动（Action）和结果（Result），重点突出技术选型理由
- 对比不同方案的优缺点：回答技术问题时，列举至少两种可行方案，分析各自适用场景，展现系统化思考
- 从业务价值出发：始终强调技术方案如何解决实际运维痛点（如故障恢复时间缩短、成本降低等），而非纯技术堆砌
- 请描述你主导过的一个大型AI项目架构，如何解决多智能体协作中的一致性或冲突问题？
- 在AIOps场景中，如何结合LLM和知识图谱实现根因分析？请给出具体技术方案
- 如何对一个大模型进行微调以适应运维日志分析？数据准备、训练和部署的流程是什么？
- 当多智能体系统面临资源争抢或决策冲突时，你如何设计仲裁或协调机制？
- 谈谈你对AgenticOps未来趋势的理解，联想在这个领域可以有哪些突破点？
职位点评
71
综合评分
联想天津AIOps高级岗位，前沿AI技术栈，学习成长极佳，但WLB和灵活性一般。
更适合这类人
最适合以技术成长为首要动机，愿意投入精力学习前沿AI技术，且能接受一定工作压力的高级工程师。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活50
使命价值70
薪资福利
75中等
联想为上市大厂，薪资在天津具备竞争力，福利完善（五险一金等），但JD未具体说明，综合评定中等偏上。
薪资信号未披露（AI估算：35K-55K/月）
成长发展
90较高
职位涉及LLM、Multi-Agent等前沿技术，且明确要求持续跟踪新趋势，成长空间巨大。
技术前沿前沿/新兴技术
技术栈LLM、RAG、Multi-Agent、Kubeflow、PyTorch、LangChain
业务类型ambiguous
工作生活
50较低
天津工作地点，JD未提及远程或弹性工作，也未说明WLB，推测常规办公，通勤可能一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
AIOps属于高速增长赛道，技术驱动运维智能化，社会价值中等，联想平台有助于推动行业实践。
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
联想 的其他在招职位
相似职位推荐
Watch Jobs