编程能力：扎实的编程功底，熟练使用 Python/Go/C++ 中的至少两种，具备高性能网络编程或系统级开发经验，能独立完成大型模块的设计与开发
分布式系统：熟悉 Kubernetes 底层原理及 Operator 开发模式，有自定义调度器、控制器开发经验者优先
熟悉资源调度系统（Yarn/Slurm/K8s）架构及实现
AI基础设施：了解常用AI框架（PyTorch）的分布式训练原理，熟悉 NCCL/RDMA 等通信库
对 GPU 架构（NVIDIA A100/H800等）有较深理解，有 CUDA 开发或性能剖析（Profiling）经验者加分
网络与存储：了解分布式存储（如 Ceph、Lustre、JuiceFS、Alluxio）在大模型训练场景的适配与调优
熟悉高性能网络（RoCE/InfiniBand）原理及常见问题排查
故障排查：具备极强的系统问题排查能力，能处理从内核、驱动、库到应用层的系统性故障，有大型集群稳定性保障经验