国家电投
人工智能运营工程师（研发中心-直管）
人工智能运营工程师（研发中心-直管）
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公DevOps/SRE
DevOps/SRE
Gpu推理
Maas
Sre
Token管理
大模型运维
故障排查
智能体
值不值得投
74综合评分
综合评分 74
巨头央企AI运维岗，前沿技术栈、成长空间大，薪资稳定，但运维压力与响应要求较高。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
2.8万
比DevOps/SRE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
64 个在招
市场机会
选择面较广
北京 · DevOps/SRE · 65 个在招
职位详情
关于这个职位
该职位主要负责大模型及AI工具的日常运维、监控与故障排查，保障AI服务稳定运行
同时需对接业务方提供售前技术支撑，并跟进AI技术迭代，推动运维流程标准化与自动化
最低要求
学历要求：硕士研究生及以上学历，计算机类、信息与通信工程类、电子信息类、数学类、统计学类专业优先
工作经验：3 年及以上 IT 运维工作经验，1 年以上大模型 AI 服务运维经验
熟悉推理、Token、QPS、限流配额，负责模型服务、智能体、知识库等AI 工具上线配置与日常运维
负责服务指标监控，跟踪调用、资源消耗、成功率及异常，识别风险，输出运维分析报告
对接业务用户，接收使用诉求与故障反馈，完成初步排查，推动工单闭环流转
具备良好沟通协调能力，对接算法、研发、业务各方，协同处置故障，保障 AI 服务稳定运行
具备问题定位能力，可区分提示词、模型、网关、知识库、资源瓶颈等各类问题
责任心强、响应及时，抗压好学，具备团队协作能力，跟进 AI 技术迭代更新
工作职责
负责模型服务、智能体等 AI 工具的上线配置、发布变更与日常运维，熟悉推理、Token、QPS、限流配额等核心指标的配置与管理
负责 AI 服务指标体系的建设与监控，持续跟踪调用量、资源消耗、成功率与异常情况，识别容量与稳定性风险
定期输出运维分析报告，沉淀运行数据与服务洞察，为资源规划、配额调整与平台优化提供决策依据
对接集团各业务方及潜在用户，承担售前技术支撑工作，响应用户AI产品使用咨询、功能诉求、场景适配需求，提供基础的产品讲解、方案适配、使用指导及可行性答疑，助力业务落地转化
负责故障的定位与处置，快速区分提示词、模型、网关、知识库、算力资源等不同层面的问题，协同算法、研发、平台各方推动解决
参与算力资源与配额管理，配合完成资源分配、限流策略调整与容量规划，保障 AI 服务稳定运行与资源高效利用
沉淀运维 SOP、常见问题手册与运营知识库，推动运维流程标准化、自动化，提升服务响应效率
跟进大模型与 AI 技术迭代，评估新模型、新工具的上线可行性与运行影响，支撑平台 AI 能力持续升级
优先资格
有 MaaS、模型推理运维、业务对接经验优先
MaaS / 私有化 AI 运维经验
熟悉 K8s、GPU 推理
国央企 AI 平台经历优先
AI 洞察
优缺点分析
优点
- 处于AI大模型落地的核心环节，能积累稀缺的大模型运维与MaaS平台经验
- 依托巨头企业平台，平台资源广阔，业务场景丰富，稳定性高
- 大模型技术迭代极快，需要持续学习新知识以保持技术敏感度
- 适合具备扎实运维基础、对大模型技术有热情，且具备较强沟通协调与抗压能力的技术人才
缺点 / 挑战
- 作为支撑部门，需同时应对算法、研发、业务多方需求，故障排查压力大，对响应速度要求高
角色解读
- 可从AI运维工程师向高级SRE、AI平台架构师或AI技术运营专家方向发展
- 深入参与大模型底层算力调度与平台架构设计，成为AI基础设施领域的核心人才
- 负责大模型及AI工具的日常运维、监控与故障排查，保障AI服务稳定运行
- 对接业务方提供售前技术支撑，并跟进AI技术迭代，推动运维流程标准化与自动化
- 具备扎实的IT运维基础，熟悉大模型推理、Token、QPS等核心指标
- 需要较强的问题定位能力，能区分提示词、模型、网关等层面的问题，并具备良好的跨部门沟通协调能力
申请策略
- 了解国家电投在新能源及AI领域的业务布局，面试时可结合其业务场景探讨AI落地的痛点与解决方案
- 重点突出大模型/AI服务运维经验，如MaaS平台运维、GPU推理集群管理等
- 展示在故障排查、容量规划及SRE指标体系建设方面的具体成果与数据
- 深入学习K8s在GPU推理场景下的应用，了解主流大模型的部署与推理优化机制
- 熟悉AI服务监控体系（如Prometheus、Grafana）及自动化运维工具链
面试指南
- 采用STAR法则，结合具体项目经验，说明背景、任务、行动和结果
- 对于排查类问题，按照“监控告警 -> 链路追踪 -> 分层定位（提示词/模型/网关/算力） -> 协同解决 -> 复盘沉淀”的逻辑回答
- 如何监控和优化大模型推理服务的QPS和Token消耗？
- 遇到AI服务响应延迟或失败时，你的排查思路是什么？
- 如何评估一个新模型上线对现有算力资源和配额的影响？
- 在对接业务方时，如何处理他们不合理的技术诉求或功能需求？
- 复习大模型推理原理、K8s基础及GPU调度机制
- 准备1-2个过往处理过的复杂故障案例，突出你的问题定位与跨部门协同能力
职位点评
薪资福利75
成长发展85
工作生活60
使命价值70
薪资福利
75中等
依托巨头企业平台，薪资福利体系完善且稳定，但具体薪资数字未披露，整体处于市场中上水平。
薪资信号未披露（AI估算：2千–3.5万/月）
成长发展
85较高
处于AI大模型落地的前沿领域，能接触到MaaS、GPU推理等核心技术，技术成长空间大。
技术前沿前沿/新兴技术
技术栈大模型、MaaS、K8s、GPU推理、Token、QPS、智能体
成长机会跟进大模型与 AI 技术迭代
业务类型ambiguous
工作生活
60中等
国企背景通常工作节奏相对规律，但AI运维岗位需保障服务稳定，可能涉及突发故障处理与值班，WLB情况未明确。
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
70中等
依托国家电投，推动AI技术在能源等实体产业的落地，具有一定的社会价值与行业使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs