小红书大模型 GPU 调度研发工程师（练习生）
任职要求
任职要求 1、计算机、软件工程、人工智能等相关专业在校生，具备扎实的编程基础和计算机系统基础。 2、熟悉 Go / Python / Java 中至少一门语言，具备良好的代码能力和工程实现意识。 3、熟悉 Linux，了解 Docker / Kubernetes 等云原生技术栈，对 K8s Scheduler、Volcano、Kueue、Kubeflow、Argo Workflows 等调度系统有兴趣或实践经验。 4、理解分布式系统基本概念，了解服务发现、资源隔离、任务调度、故障恢复、弹性伸缩、监控告警等能力。 5、对大模型训练、后训练、推理、部署等流程有兴趣，愿意理解不同 AI 负载对 GPU、网络、存储和调度策略的差异化诉求。 6、具备较好的数据分析、问题定位、沟通协作和自驱能力，能熟练使用 Cursor、Claude Code、GitHub Copil…
工作职责
工作职责 1、参与内部大模型平台 QuickSilver 的 GPU 资源调度与治理模块研发，完成调度策略、后端服务和资源可视化功能交付。 2、参与 Quota 管理、资源配额、资源申请、资源回收、资源出借等能力建设，支持多业务、多团队、多集群资源管理。 3、参与万卡规模 GPU 集群调度优化，围绕资源分配率、GPU 利用率、任务等待时长、资源碎片等指标提升集群效率。 4、参与训练、后训练、推理等负载下的弹性调度建设，探索潮汐调度、抢占调度、在线 / 离线混部、低峰缩容、高峰预扩容等策略。 5、参与多机房、多集群、多卡型、GPU / NPU 等异构资源调度能力建设，结合网络、存储、通信拓扑优化调度策略。 6、参与 GPU 资源可观测体系建设，并将调度能力与大模型训练、推理、部署、评估链路结合，提升 AI 生产效率和平台稳定性。
1、大模型与智能体核心能力建设： 围绕销售及大件业务场景，负责大语言模型在意图识别、规划理解、多轮对话、用户画像与偏好洞察、话题与线索分析、知识问答及 chatBI 等核心能力上的应用设计、微调与持续优化，支撑线索智能体、销售助手智能体及大件智能体等关键场景落地。 2、智能体推理链路与多智能体协同设计： 参与线索子智能体、销售助手子智能体、大件智能体与一级、三级销售智能体的大模型协同架构设计，构建基于大模型的多轮推理、任务分解与业务决策链路，提升智能体在复杂销售与大件业务场景下的理解、决策与协同执行能力。 3、智能体工程化与能力复用建设： 设计并持续优化 Prompt、RAG（检索增强生成）、工具调用及 Agent 协作机制，推动大模型、推荐及相关决策能力的工程化落地，保障智能体能力的稳定性、可扩展性与跨场景复用。 4、业务决策模型与数据驱动优化： 结合销售线索质量、智能报价与折扣策略等业务需求，支持折扣方案模型的优化与场景拓展，通过数据挖掘与分析持续评估智能体与模型效果，驱动核心能力的迭代优化与业务价值提升。
1、大模型与智能体核心能力建设： 围绕销售及大件业务场景，负责大语言模型在意图识别、规划理解、多轮对话、用户画像与偏好洞察、话题与线索分析、知识问答及 chatBI 等核心能力上的应用设计、微调与持续优化，支撑线索智能体、销售助手智能体及大件智能体等关键场景落地。 2、智能体推理链路与多智能体协同设计： 参与线索子智能体、销售助手子智能体、大件智能体与一级、三级销售智能体的大模型协同架构设计，构建基于大模型的多轮推理、任务分解与业务决策链路，提升智能体在复杂销售与大件业务场景下的理解、决策与协同执行能力。 3、智能体工程化与能力复用建设： 设计并持续优化 Prompt、RAG（检索增强生成）、工具调用及 Agent 协作机制，推动大模型、推荐及相关决策能力的工程化落地，保障智能体能力的稳定性、可扩展性与跨场景复用。 4、业务决策模型与数据驱动优化： 结合销售线索质量、智能报价与折扣策略等业务需求，支持折扣方案模型的优化与场景拓展，通过数据挖掘与分析持续评估智能体与模型效果，驱动核心能力的迭代优化与业务价值提升。
工作职责： 1、大模型与 Agent 平台架构研发：负责大模型平台、Agent 应用平台的架构设计和核心功能研发，构建云原生架构下高可用、高性能、可扩展的微服务体系，支撑模型能力从训练、部署到业务应用的端到端落地。 2、AI 生产链路与 LLMOps 建设：建设面向大模型全流程的 LLMOps / DevOps 能力，覆盖模型训练、模型管理、推理部署、服务发布、监控告警、任务诊断、效果评估等环节，提升大模型生产效率和稳定性。 3、Agent 应用平台建设：参与建设面向业务研发和算法团队的 Agent 开发平台，支持 Agent Workflow、Tool Calling、Function Calling、MCP、RAG、Memory、多轮对话、调试诊断、应用发布等核心能力，降低大模型应用开发和上线门槛。 4、Pipeline 与任务编排系统建设：负责大模型任务流、Pipeline、Argo Workflows / Kubeflow 等任务编排能力建设，提升训练、部署、评估、Agent 应用构建等复杂任务的自动化、可观测和可恢复能力。 5、平台与框架深度结合：将平台能力与训练、推理、部署、Agent Framework 深度结合，通过任务调度、弹性容灾、失败重试、资源隔离、链路追踪、性能优化等能力，端到端提升 AI 生产效率。 6、平台体验优化及业务协同：持续优化 AI 平台和 Agent 应用平台的易用性、稳定性和开发者体验，与算法、推理、训练、云原生、业务研发等团队协作，将平台能力沉淀为可复用、可规模化的标准化能力。
1、负责文本应答对话 Agent 的设计、开发与迭代，基于大模型搭建自动回复能力，承接业务问答、消息自动应答场景。 2、开展 Prompt 工程、多轮对话编排、意图识别、RAG 知识库搭建，优化回复准确率，解决答非所问、上下文断裂等问题。 3、搭建内容校验与合规管控机制，保障 AI 输出内容准确、口径统一、风险可控。 4、监控线上运行效果，持续调优 Agent 逻辑，沉淀可复用对话组件；协同业务落地 AI 自动应答方案。