Infra/DevOps Engineer | DevOps/运维/基础设施工程师

【岗位定位】 - 负责 AI 训练/推理 GPU 集群的日常运维与扩缩容，搭建基于 K8s 的 CI/CD、监控告警等基础设施，是公司 AI 基础设施的稳定性守门人。 【岗位职责】 - GPU 集群运维：负责 AI 训练/推理 GPU 集群的日常运维、扩缩容、驱动与框架版本管理。 - 云原生体系建设：搭建基于 K8s 的 CI/CD、监控告警、日志采集、自动伸缩等基础设施。 - 稳定性保障：制定容灾与故障恢复预案，主导线上 P0/P1 故障的快速定位与恢复。 - 容器与编排：深入理解 Docker/Kubernetes 原理，有大规模集群运维和定制化开发经验。 【硬性条件】 - 学历：985/211 院校全日制本科及以上。 - 专业：计算机科学（CS）相关专业（如计算机科学与技术、软件工程、信息安全、人工智能、网络工程等）。 - 经验：3-10 年技术相关工作经验（＞3 年且 ＜10 年）。 - 创业心态：具备 All in 意愿，能接受早期不确定性，愿意高强度投入；对新技术学习速度快，能适应创业公司 0→1 快速迭代的节奏。 【专业能力】 - GPU/AI 生态：熟悉 NVIDIA CUDA 生态（Driver、Container Toolkit、MIG）或 ROCm 等异构方案。 - 可观测性：熟练使用 Prometheus、Grafana、ELK、OpenTelemetry 等监控与日志工具链。 - IaC 能力：熟悉 Terraform/Ansible 等基础设施即代码工具，能实现环境的标准化自动化交付。 - 深度学习框架部署：有 PyTorch/TensorFlow 生产环境大规模部署与性能调优经验。 【通用能力】 - 7×24 响应：对线上稳定性有极强的责任感，能接受早期 on-call 轮值，快速响应故障。 - 自动化思维：遇到重复性问题优先思考的是'写脚本/建平台'，而非手工处理。