测试 & AI Dev Infra工程师
1. 端到端测试工程平台:建设并维护覆盖 模型/算子 → 编译 → ISS(功能) → cycleapprox(性能) → (可选)FPGA → 硬件在环 的每日 CI 与回归门禁;定义精度/性能/稳定性基准、阈值与签收标准;管理测试数据集、golden/baseline 版本、报告模板与问题归因流水线。
2. LLM-Native 高效开发平台:制定内/外网代码大模型接入方案、构建领域 RAG 知识库(ISA/架构 spec/寄存器手册/测试规范)、Agent CI 工作流(生成→编译→跑测→日志归因→修复建议);为编译、驱动、仿真、测试等团队提供可复用的 Copilot/Agent 编排、提示模板与权限隔离;持续迭代平台可用性与覆盖率。
3. 平台工程化与可观测性:维护 Jenkins/GitLab CI/GitHub Actions 流水线、仿真农场/多板卡调度、监控告警与 DevInfra 脚本;建设结构化 Bug 库、已知问题库与回归看板;回片后扩展硬件在环批量调度与 Workaround 验证闭环。
4. AI-Native 高效产出:熟练使用 LLM/Agent 生成流水线配置、回归用例骨架、断言规则、看板组件与运维文档,人工审核后合入;在明确分工下高产出、高质量交付平台能力。
1. 3 年以上测试开发 / DevInfra / 研发效能平台经验;熟练掌握Python/C++,工程习惯良好,测试与平台意识强。
2. 熟悉端到端 CI 与 ML/编译器测试方法论:能设计精度对比、性能基准、回归门禁与多环境矩阵;在负责人指导下独立完成明确平台模块或流水线子系统。
3. 具备 RAG / Agent 工作流工程落地经验或强烈实践意愿;了解私有化代码模型接入、知识库切片与芯片IP 敏感场景下的安全约束。
4. 熟练使用 AI 编程工具构建与运维平台;熟悉 Jenkins/GitLab CI/GitHub Actions 或同类系统者优先。
【加分项】
1. 参与过 AI 芯片 / 编译器 / SoC 软件栈的端到端 Benchmark 回归平台建设;有硬件在环、多板卡并行或仿真农场调度经验。
2. 有企业级 Copilot、RAG 知识库或 Agent CI 规模化落地经验;熟悉Grafana、Prometheus 或同类可观测性栈。
3. 了解 ONNX Runtime、IREE、LLVM/Lit 等栈的测试接入路径;有芯片 Bring-up 测试平台集成经验者优先。