AI可靠性工程实习生

**AI 推理系统的可靠性工程** - 设计并开发自动化验证框架，覆盖从 PyTorch 模型加载、ComfyUI 工作流执行到 HTTP API 返回的全链路 - 构建多维度质量基础设施：性能基准测试、GPU 兼容性矩阵、模型版本回归验证 - 开发诊断工具链，实现推理异常的可观测与快速定位（日志聚合、性能剖析、错误归因） **云原生 AI 服务的交付工程** - 设计 CI/CD 流水线中的自动化质量关卡：镜像预检、发布验证、线上健康巡检 - 参与开发 GitHub Actions 驱动的自动化测试平台 **新模型接入的工程化支持** - 与算法团队配合，将新模型/插件的手工验证流程转化为自动化测试套件 - 分析模型部署失败案例，构建常见故障模式的知识库与自动检测规则

## 我们希望你具备 - 扎实的编程能力，熟练使用 Python 进行工具开发 - 熟悉 Linux 环境与问题排查，能阅读错误日志并定位根因 - 了解深度学习基础：PyTorch 模块结构、模型加载机制、常见部署错误（CUDA 版本、依赖冲突等） - 不满足于执行测试用例，对"如何系统性地保障复杂软件质量"有好奇心 ## 加分项 - 有过 ComfyUI/Stable Diffusion WebUI 的本地部署或插件开发经验 - 了解容器化技术与云原生部署（Docker/Kubernetes） - 有过开源项目贡献或技术博客写作经历