AI运维面试题怎么准备：先分清岗位方向再补技能证据

AI运维面试题并没有一份通用题库。
准备之前先确认岗位方向：偏传统运维转AI、偏AI平台运维，还是偏GPU集群运维。
方向不同，考点差别很大。
本文按“先定方向、再补技能、最后用命令验证”的顺序讲清楚怎么准备，适合有Linux基础、想转AI运维的读者。

先判断岗位到底在招什么人

看招聘JD时，把要求拆成三类关键词：

• 基础运维类：Linux、Nginx、MySQL、Shell、监控告警、日志。这类岗位问的是稳定性保障，AI只是业务背景。
• 平台运维类：Docker、Kubernetes、CI/CD、模型服务部署、资源调度。重点在容器和编排。
• GPU集群类：显卡驱动、CUDA、显存监控、多卡训练任务调度。重点在硬件和资源利用率。

三类岗位都会问故障处理，但追问方向完全不同。
先归类，再决定复习重心，比盲目刷题有效。

基础考点：Linux和容器要能讲出排查过程

面试官通常不满足于“会重启服务”，而是问“你怎么定位的”。
建议把下面几类命令练到能解释输出含义。

查看资源占用和进程：

top -c
free -h
df -h
ss -tlnp

容器排查常用：

docker ps -a
docker logs --tail 100 容器名
docker stats
docker exec -it 容器名 /bin/sh

回答这类问题时按“现象—定位命令—判断依据—处理动作—复查”组织，
例如容器频繁重启，
先看docker ps -a的退出码，
再看docker logs，
最后结合docker stats判断是否内存超限被杀。

GPU相关：显存和驱动是高频追问点

涉及AI的岗位很可能问GPU。
至少掌握以下检查方式：

nvidia-smi
nvidia-smi -q | head -50

要能说清楚显存占用、GPU利用率、进程列表分别怎么看，以及nvidia-smi显示异常时先确认驱动版本和内核模块是否加载。
常见追问是“训练任务把显存占满怎么办”，合理回答是先定位进程、确认是否为预期任务，再考虑限制显存或调整调度，而不是直接杀进程。

准备一个能讲清过程的项目案例

面试中真正拉开差距的是案例。
选一个自己动手做过的场景，比如用Docker部署一个模型推理服务并配置监控。
按下面结构整理：

• 业务背景和目标，例如“接口响应慢，需要定位瓶颈”。
• 用了哪些命令和工具，例如docker stats、nvidia-smi、日志关键字检索。
• 判断依据是什么，例如显存持续接近上限、请求排队。
• 处理动作和结果，例如调整并发或分批加载。
• 事后加了什么监控或告警防止复发。

没有真实生产经验时，可以在测试机上复现一个小故障并记录过程，但不要编造线上数据。

避坑与验证

常见误区有三个：一是只背概念不讲操作，被追问就卡住；
二是把AI运维等同于算法岗，花大量时间刷模型原理；
三是回答故障时跳过定位直接给结论。

复习效果可以这样验证：找同事或自己对着题目口述，要求每个回答都包含具体命令或配置路径，讲不出细节的说明还没准备到位。
涉及驱动、CUDA版本等可能变化的信息，以实际环境输出为准，不要背死版本号。

把方向定清楚、命令练熟、案例讲顺，AI运维面试题就不再是背不完的题库，而是能按岗位需求组织出来的技能证据。