分布式AI系统工程师

岗位描述
• 负责分布式 AI 系统工程，包括任务编排、资源调度、状态管理、服务发现、通信与容错等核心能力。

• 设计面向异构计算节点的统一资源抽象与运行机制，使不同计算能力能够被高效发现、调度和组合。

• 构建跨节点的 Context / State 管理、数据同步和任务迁移机制，支持连续、低延迟的 AI 应用运行。

• 设计网络异常、节点离线、资源不足等条件下的降级、恢复与容错策略，提升系统鲁棒性。

• 优化 RPC、Streaming、Messaging 等通信链路，持续降低跨节点协同的延迟与资源开销。

• 建立系统可观测性体系，包括 Tracing、Metrics、Logging、故障定位和性能分析。

• 与 AI Infra、端侧 AI、Agent、模型和产品团队协作，推动共性分布式能力沉淀并规模化复用。

• 持续研究 Distributed Runtime、Edge Computing、Serverless、P2P 等相关技术，探索下一代分布式 AI 系统架构。

岗位要求
• 硕士及以上，计算机或相关专业背景，具备扎实的操作系统、计算机网络和分布式系统基础。

• 有大型分布式系统设计与研发经验，熟悉一致性、可用性、容错、调度、状态管理等核心问题。

• 熟练掌握 C++、Rust、Go、Java 等至少一种系统开发语言。

• 熟悉 RPC、消息系统、服务发现、分布式存储、容器或 Kubernetes 等一个或多个技术领域。

• 能够处理弱网、断网、动态拓扑、异构节点和有限资源等非理想运行环境。

• 具备良好的系统抽象和架构设计能力，能够从复杂业务需求中提炼可复用的底层能力。

• 对 AI 模型推理、Agent Runtime 或 AI Workload 有基本理解，能够与算法和模型团队高效协作。