我们一个地狱周告一段落了，收获巨大，要说暴露了什么问题的话，就是我们组现在的人手还明显不足，所以来写点什么再招点人 首先介绍一下我们，我们是某二次元 AIGC 的团队，公司在整个行业最 Top 选手，有自研模型（目前迭代到第三代）和社区托管模型，整体发展蒸蒸日上 我们组是整个公司的 Infra Team，我们组大体的指责包括不仅限于 1. 传统的 SRE 工作 2. Data Infra 的建设 3. 推理的基础设施建设 4. 训练基础设施的建设 5. 安全相关的建设 6. 整个公司的 AI Infra 的建设 我们组的定位和传统的 Infra Team 不太一样，我们和业务并不是泾渭分明的，而是我们也是 Product Engineer，只是我们组的方向更会偏 Infra 一些 为业务服务是我们组唯一的准则 所以你会发现，很多可能在其余人视角看来是应该业务维护的东西，目前来说也是由我们组来负责。在这里你会经常发现一个服务从传统的业务维护，Infra 部署变成了，当这个服务开始进入到我们管理的生命周期后。我们和业务同学将形成事实上的 pair programming 关系，共同的维护这个业务 这也是我经常对组内同学说的一句话：我们组向来不是仅以交付为目的，而我们的目的只有一个，让这个服务变得更好。这这是两个截然不同的视角，所带来的结果也是截然不同的 坦白说我们组面临着很多的挑战，这些挑战在我们公司进一步 AI 化之后变得格外的放大，这也是我们还在快速扩张的原因之一，比如我们规划内的一些事情 1. 内部可观测性基建和 AI 完全打通 2. 服务于业务高速迭代的测试平台的搭建 3. 不少小模型的数据飞轮的构建 4. 高速训练集群的建设 5. 安全相关的基础设施建设 6. 整体服务的跨区域迁移等等 而我们组也在不断地应对这些挑战，坦白说做得还不错，这是最让我骄傲的地方。简单介绍一下我们过去一周的工作成果（特殊事件带来的特殊 Infra 需求）： 1. 我们紧急完成了线上所有服务的 Service Mesh 化，并根据不同服务的特性进行了针对性的差异化调优 2. 我们将 Ingress Nginx 从我们的流量路径上移除并迁移到了 Istio Gateway 方案 3. 我们从0构建了一套 1:1 测试集群并完成了 5x 和 10x 的压力测试，同时第一次完成了关键链路的故障演练 4. 在0事故完成以上的事情外，我们还完成了整个机房的维保 Yep，这就是我们组。 坦白说，我们组的强度并不算小，但是我们并不提倡加班 or 纯粹的 hard work，而是更注重效率和结果。我们组没有传统的一些规则，考勤之类的事情并不在我们关注的东西。 我们所关注的东西始终在人，我们组的红线其实就以下一些规则 1. 请始终保持良好的沟通，沟通清楚一件事远比闷头做好一件事难很多，但是也重要很多 2. 请尊重你的同事 说一点我们组的小趣事，我们组现在严格卡纯粹由 AI 生成一堆冗余且不易阅读的文档。我们要求一份协作文档的大纲与关键内容必须要由你完成。这是对阅读这份文档的同事的基本尊重，、 也是 AI 时代让我们更有人味的一点努力（我们将每个月第一周设置为我们的 doc week，用来补齐过去一个月中我们缺失的一些东西，在这一周中，你有权只写文档） 好了，说了这么多，介绍下我们组招什么人，大体三个方向（从校招到 Senior 都要） 1. SRE 2. 推理 3. 研发效能 基本的要求都差不多，计算机基础扎实，写代码能力 OK，沟通能力好。然后不同方向细分有加分项 1. SRE 就基本上是如果有云上的经验/Kubernetes 之类的经验/折腾 Linux 之类的经验都是加分 2. 推理对 vLLM/SGLang 之类的有经验是加分 3. 研发效能是有测试经验，熟悉测试流程之类的是加分 奇奇怪怪的一些加分项， 1. 喜欢摇曳露营的加分（划掉（夹带私货（ 2. maimai/音游 高手加分 3. Linux Desktop 爱好者加分 4. 喜欢奇奇怪怪折腾的东西加分（HomeLab 啊，摄影啊等等） 差不多这样，这是一个让我骄傲的团队，希望能吸引到你，如果想聊聊的话，请联系我的邮箱 [email protected]