元戎启行
MLOps平台开发工程师（后端）
MLOps平台开发工程师（后端）
发布于 1 天前普通员工/个人贡献者
深圳市
中级经验
全职员工
仅现场办公
本科
软件工程
Argo Workflows
CI/CD
Dag
Gin
Grpc
Mlops
Opentelemetry
Protobuf
任务调度
AI 估算 · 25k–45k
该职位需3年以上Golang经验与分布式系统技能，自动驾驶赛道技术壁垒高，薪资有竞争力，中位数约35k。
职位详情
关于这个职位
作为MLOps平台后端工程师，你将负责设计、开发与优化自动驾驶数据生产平台，专注于工作流编排、任务调度、分布式系统等核心能力建设
你将与算法、平台团队紧密协作，解决大规模数据治理与高性能调度难题，是自动驾驶基础设施的关键角色
最低要求
· 本科及以上学历，计算机相关专业优先
· 至少 3 年后端或全栈开发经验，熟悉前后端协作与中后台交付流程
· 熟练掌握 Golang，有复杂业务服务独立设计与落地经验
熟悉 Gin（或同类框架）及 gRPC
· 具备良好工程化意识：构建、测试、CI/CD、监控、容器化部署
· 熟悉数据库设计与优化，具备 MongoDB（优先）等文档库/关系库的建模与运维经验
· 具备分布式系统基础：消息队列（如 Kafka）、异步任务、状态机/工作流、配额与限流等至少一类有实战
· 对代码质量与工程化有真实追求，能写出清晰、可维护、可演进的代码
· 学习能力强、自驱，沟通协作良好，能在平台与业务方之间对齐需求并闭环交付
工作职责
· 使用 Golang 开发 MLOps 数据生产平台服务端逻辑（HTTP 框架以 Gin 为主
Proto 驱动接口
熟悉 gRPC / Protobuf 工程实践）
· 参与 ProductionLine / Pipeline 核心能力建设：DAG/工作流编排、产线模板与运行态、Work / TaskInstance / Artifact 等业务模型与 RESTful / gRPC 接口设计实现
· 参与 任务调度与执行链路：高吞吐 Job 调度、配额/限流/反压、优先级与多集群资源调度
对接 Argo Workflows / Kubernetes 及内部 executor
· 参与 DataFlow 节点执行体系相关开发与优化
· 参与产线运行过程中大规模落盘数据的治理与工程化建设：包括 Artifact / Manifest 等数据产物的生命周期管理、元数据与血缘可追溯、存储成本与清理策略，以及与数据湖/对象存储的对接与规范落地
· 参与服务部署、可观测与性能调优（容器化、K8s、Prometheus / OpenTelemetry、Kafka 事件链路等）
公共职责：
· 编写清晰、可读、可维护的高质量代码
· 参与单元测试、接口测试、性能测试及关键路径回归（含调度吞吐、节点执行稳定性等）
· 参与技术方案讨论、Code Review，推动架构演进与工程规范落地
· 对系统稳定性、可扩展性、大规模任务调度性能有持续关注（目标量级：海量 pending Job、产线级批量调度）
优先资格
· 有 MLOps / 数据生产平台 / 实验或模型相关中后台 开发经验
了解机器学习数据链路与训练/标注协作方式更佳
· 有 工作流引擎、任务调度系统、批处理平台、自动化产线 从设计到上线的经验（DAG、状态机、调度器、执行器拆分尤佳）
· 熟悉 Kubernetes / Argo Workflows，或有 Ray、大规模分布式计算执行框架经验
· 有事件驱动架构经验（Kafka 等），或高并发调度 / 配额系统建设经验
· 有数据湖相关经验更佳
· 有大规模数据产物治理经验更佳
· 有 Python / C++ 侧性能优化经验（热点 profiling、内存/吞吐优化、计算密集型链路加速等）更佳
· 有把产品从 0 到 1 落地的经历（后端或全栈均可）
了解 React/TypeScript 中后台（流程画布、运维看板等）可更好协同前端
· 有开源贡献或技术社区活跃经历
AI 洞察
优缺点分析
优点
- 使用主流云原生技术栈（K8s、Argo、Prometheus），紧跟业界工程实践
- 公司处于C轮以后，业务稳定且技术投入大，职业发展空间良好
- 涉及海量数据与大规模调度，系统复杂度高，调试与性能优化难度大
- 自动驾驶行业对工程稳定性要求严格，工作节奏较快
- 适合有3年以上后端开发经验、对分布式系统和调度引擎感兴趣、追求技术深度与工程规范的工程师
缺点 / 挑战
- 接触自动驾驶核心MLOps基础设施，技术挑战大，积累高并发调度与数据治理经验
- 需要与算法、业务方紧密协作，需求理解与沟通成本较高
角色解读
- 从MLOps平台开发进阶为分布式系统架构师，主导大规模调度与数据治理设计
- 可横向拓展至自动驾驶数据链路全栈，过渡至算法工程或基础架构方向
- 在技术管理路径上，逐步带领团队负责平台架构演进
- 设计开发MLOps数据生产平台的后端服务，包括HTTP接口、gRPC通信和业务模型实现
- 参与工作流（DAG）编排、任务调度与执行引擎的核心建设，对接Kubernetes和Argo Workflows
- 治理大规模数据产物，实现元数据管理、血缘追踪与存储优化
- 负责服务部署、监控、性能调优，保障系统高吞吐与稳定性
- 精通Golang及常用框架（Gin），熟练掌握gRPC/Protobuf
- 深入理解分布式系统，有消息队列（Kafka）、任务调度、工作流引擎实战经验
- 熟悉数据库建模与优化，尤其是MongoDB等NoSQL
- 具备容器化部署与Kubernetes运维能力，了解Prometheus等监控工具
申请策略
- 面试前准备一个分布式调度或工作流相关的项目案例，能清晰描述设计思路与难点
- 了解元戎启行的自动驾驶技术栈，思考MLOps如何提升数据生产效率
- 突出个人主导或参与的后端项目，特别是涉及工作流引擎、任务调度、消息队列等分布式系统经验
- 展示Golang项目架构设计文档或代码仓库，体现代码质量与工程化意识
- 强调对Kubernetes、Argo Workflows等云原生工具的实战经验
- 补充MLOps相关背景知识，了解机器学习数据链路与标注平台流程
- 深入学习DAG调度原理，如Airflow、Argo Workflows的实现方式
- 熟悉数据湖（如Delta Lake、Iceberg）和对象存储（S3/MinIO）
面试指南
- 针对系统设计题：先明确需求与约束，再划分模块（调度器、执行器、状态存储），并重点讨论一致性、容错和性能
- 针对技术细节题：结合具体场景，从原理到实践，给出优化策略（如限流、重试、异步处理）
- 针对项目经验题：用STAR法则（情境、任务、行动、结果）清晰叙述，突出个人思考与工程贡献
- 请设计一个大规模工作流调度系统，需要考虑哪些关键因素？
- Kubernetes 中如何实现资源配额与任务优先级调度？
- 如何处理分布式系统中的数据一致性（如TaskInstance状态管理）？
- Golang中如何进行高效的并发编程？举一个你处理过的并发难题
- 描述你参与的一个MLOps或数据生产平台项目，你在其中的角色与贡献
职位点评
66
综合评分
自动驾驶MLOps平台，前沿云原生技术栈，发展性极强，但WLB一般。
更适合这类人
最适重视技能成长与技术前沿的求职者，愿意接受现场办公和较快的节奏，以换取扎实的分布式系统经验。
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展90
工作生活40
使命价值70
薪资福利
65中等
职位未明确薪资范围，但自动驾驶行业技术岗薪资具竞争力，公司融资阶段成熟，整体补偿性中等偏上。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
90较高
职位涉及云原生、分布式调度、MLOps等前沿技术，技术栈新，成长空间大，且JD明确提及架构演进与工程规范，发展性极强。
技术前沿前沿/新兴技术
技术栈Golang、Kubernetes、Argo Workflows、Kafka、MLOps、gRPC、Protobuf、MongoDB、DAG、Prometheus
成长机会技术方案讨论、Code Review、推动架构演进与工程规范落地
业务类型ambiguous
工作生活
40较低
JD未提及弹性工作或远程，且自动驾驶公司通常要求现场办公，WLB信号不足，生活化动机满足程度低。
工作模式未明确
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
自动驾驶是高速增长赛道，平台服务于数据生产与算法迭代，具有间接社会价值；但JD未强调使命感，意义感中等偏上。
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
元戎启行 的其他在招职位
相似职位推荐
Watch Jobs