AI基础设施工程师

Job description

我们正在招聘 AI 基础设施工程师，负责建设现代 AI 工程及研发团队所需的数据基础设施、AI 开发平台、MLOps/LLMOps 工具链、模型基础设施和智能体基础设施。 该岗位的工程师将与AI应用工程师、科学家、领域专家紧密合作，理解具体科研瓶颈，并将其转化为可靠、可复用、可扩展的AI工程解决方案。 该岗位涵盖三个相互协同的方向。每位工程师将根据自身经验、优势和团队需求，主要负责其中一到两个方向。

方向一

数据工程

• 设计并建设可扩展的数据 Pipeline，支持 AI 模型开发、训练、评估和生产应用；
• 建设结构化与非结构化数据的采集、转换、验证、版本管理和数据血缘能力；
• 开发可靠的数据处理工作流，支持文本、图像、文档、科学数据、时序数据及其他领域特定数据；
• 建设面向大模型和 RAG 应用的数据基础设施，包括向量存储、知识库、文本切分与向量化 Pipeline，以及检索质量评估；
• 提升 AI 开发全流程中的数据质量、可观测性、可复现性与可访问性；
• 与算法团队及业务团队协作，将模型开发需求转化为可复用的数据基础设施。

方向二

AI 平台、MLOps/LLMOps 与模型基础设施

• 设计并建设支持模型端到端生命周期的 AI 开发平台，涵盖数据准备、实验、训练、评估、部署、推理、监控与迭代；
• 建设标准化的 MLOps 和 LLMOps Pipeline、工具及工作流，以支持模型开发、全生命周期管理和生产交付；
• 提供可复用的平台能力，支持实验追踪、数据集与模型版本管理、模型评估、模型注册、发布管理和结果复现；
• 建设可扩展的训练、微调、评估和推理工作流，支持本地、云端、Kubernetes、GPU 集群及混合环境；
• 开发标准化的模型部署与服务能力，包括模型封装、发布、请求路由、负载均衡、自动扩缩容、监控和故障恢复；
• 集成并运行主流模型训练与服务框架，例如 PyTorch、DeepSpeed、FSDP、vLLM、SGLang、TensorRT-LLM、Triton Inference Server 或同类技术；
• 针对性能、可扩展性、GPU 利用率、内存效率、可靠性和成本，优化模型训练与推理系统；
• 通过提供标准化的开发环境、SDK、API、模板、CI/CD Pipeline 和自助服务平台能力，提升 AI 开发者体验；
• 建设 AI 工作负载的可观测性、资源调度、容量管理、成本监控、安全与治理能力；
• 与研发、数据和业务应用团队协作，将模型开发需求转化为可复用的平台与基础设施能力。

方向三

智能体基础设施

• 设计并建设用于开发、部署、运行和评估 AI 智能体的基础设施；
• 建设可复用的智能体运行时能力，包括模型接入、工具调用、工作流编排、状态管理、记忆和执行控制；
• 开发用于智能体身份、权限、沙箱、密钥管理、可观测性、链路追踪和审计的基础设施；
• 建设智能体评估与测试系统，覆盖任务完成度、工具使用正确性、可靠性、安全性、延迟和成本；
• 为智能体开发团队提供可复用的 SDK、API、模板、技能、连接器和部署工作流；
• 支持长时间运行、事件驱动、定时调度、异步执行以及包含人工介入的智能体工作流；
• 将智能体与企业系统、数据平台、模型服务、内部工具及外部 API 集成，包括 MCP 等标准化协议。

岗位要求

• 硕士及以上学历，计算机科学、软件工程、云计算、大数据、系统工程、数学、人工智能等相关专业；
• 具备扎实的编程和软件工程能力，熟悉Python、Java、Go、Rust、C++等相关编程语言；
• 熟悉至少一个专业方向的相关技术，例如数据工程、工作流编排系统、云平台、Docker、Kubernetes、GPU集群、分布式训练框架、模型服务系统或智能体基础设施；
• 能够将科研、算法、数据或业务需求，转化为可复用的工程平台、基础设施、工具和工作流；
• 具备较强的系统设计、问题解决、故障排查和性能分析能力；
• 具备良好的沟通和跨团队协作能力，能够与研究、算法、数据、产品和应用团队高效合作。

优先条件

• 具备设计、建设、部署或运行高可用生产系统的经验；
• 具备 AI Agent 框架、工作流引擎、工具调用系统、记忆系统、沙箱环境或智能体评估经验；
• 具备在云端、混合云、本地或多集群环境中支持 AI 工作负载的经验；
• 具备数据系统的性能、可扩展性与成本优化经验；
• 具备为科学计算、材料科学、能源、制造或其他领域应用建设 AI 基础设施的经验；
• 具备将大模型适配到专业领域（科学计算、材料、能源、工业应用）的经验；
• 具备开源贡献、学术发表记录，已授权专利或行业标准参与经历。