【练习生】大模型 Agentic 智能运维研发

优缺点分析

角色解读

• 实习期表现优秀可转正，成为正式AI运维研发工程师
• 深入AIOps领域，可成长为算法专家或系统架构师
• 积累大模型和Agent实战经验，未来可转向AI应用、智能运维或其他AI方向
• 参与智能运维平台核心模块开发，实现告警收敛、根因分析等功能的工程化落地
• 基于LLM和Agent架构设计并实现运维场景的智能Agent，覆盖告警、诊断、风险识别等链路
• 优化异常检测和根因定位算法，推动算法从实验到线上部署
• 持续跟进AIOps和Agentic AI前沿技术，探索在稳定性工程中的创新应用
• 扎实的Python或Java编程能力，良好的工程实践和代码规范
• 了解常见机器学习算法（分类、聚类、异常检测）和基础概率统计知识
• 对LLM、Agent架构有基本了解，或有相关项目经验更佳
• 熟悉云原生可观测性技术如Prometheus、ELK等是重要加分项

申请策略

• 在申请时附上相关项目代码链接或技术博客，增加技术印象
• 了解小红书的技术博客或公开分享，在面试中展示对公司的关注和热情
• 突出Python或Java的项目实践，最好有后端或数据处理相关经验
• 强调机器学习项目或课程作业，尤其是分类、聚类、异常检测等相关内容
• 如有大模型、Agent或运维相关项目（如智能告警、日志分析等），务必展示
• 列出开源贡献、技术博客或论文发表，体现技术热情和能力
• 补充AIOps基础知识，如时序异常检测、根因定位算法
• 动手实践云原生可观测性工具，如部署Prometheus、Grafana

面试指南

• 对于技术问题，先阐述核心概念，再结合实际项目或例子说明，最后总结经验
• 对于开放设计题，采用分步思路：先明确目标，再拆解模块，最后讨论可行性和挑战
• 对于机器学习问题，关注数据、特征、模型选择、评估、部署全流程，突出工程落地思维
• 请简述Python中装饰器的用法和实现原理
• 介绍一下你做过的一个机器学习项目，包括问题、方法、结果
• 什么是AIOps？你了解哪些智能运维场景？
• 如何设计一个基于LLM的告警收敛Agent？请给出大致思路
• 你如何理解Agentic架构？与传统的规则系统相比有什么优势？