后端工程师

你将成为大模型技术落地的“算力内核设计者”。你将深入 Kubernetes 生态，参与构建支撑超大规模 AI 集群的容器化基础设施，通过对调度、存储、网络等核心组件的深度定制与优化，打破大模型训练与推理的工程瓶颈。你的代码将直接优化 Agent 的冷启动速度，提升 GPU 集群的吞吐量与资源利用率，为 AI 时代的算力底座注入极致性能。 具体的职责包括以下相关方向的一项或多项： 1. AI 容器调度与编排优化： ● 深度优化 Kubernetes 调度器，实现面向 GPU 拓扑感知的算力分配，解决大规模分布式训练任务的资源碎裂问题。 ● 设计并实现面向 AI Agent 的弹性调度策略，通过多级缓存、预加载等手段，实现分钟级到秒级的 Agent 快速拉起与自动伸缩。 2. AI 高性能存储与网络底座： ● 针对 AI 大规模 checkpoint 与数据读取场景，优化容器存储挂载性能，通过存储卸载与并行化技术，解决分布式训练中的 I/O 阻塞问题。 ● 优化容器网络性能（如 RDMA/RoCE 深度集成），通过内核态路径优化，降低推理请求的网络传输延迟。 3. AI 工程平台架构设计与