岗位职责

面向底盘业务构建连续性策略，围绕业务持续安全、可用目标，构建多端智能预警、根因定位、动线分析、资金安全保障、自愈、降级、限流、智能运维能力，协同&推动全局架构演进，为业务持续稳定运行负责；
面向AI业务构建端到端对话链路稳定性体系：多模型接入与路由架构、流式服务 SLO、治理（TTFT/TPOT/超时/断流）、会话上下文与存储链路容灾、三方模型依赖的熔断/降级与治理，保障业务告诉增长过程中核心对话链路连续可用；
识别业务发展过程中的效能&成本问题，重点治理 AI 推理侧成本：大小模型分流调度、推理服务弹性伸缩、GPU 容量规划与 Token 成本模型，改进工程交付效率与质量；
围绕各业务大促活动，提供高性能、高可用、资金安全的常态活动保障方案，构建灵活弹性的容量调度策略，覆盖营销活动（打卡挑战、返现高峰、领奖瓜分）带动的对话洪峰与 Agent调用激增的混合流量场景，提供峰值秒杀技术能力与容量服务；
同时在面向业务快速增长的过程中，能够从纷杂的业务信息中识别真实稳定性问题、抽象成可落地的架构方案（容量、弹性、成本、稳定性、资金安全等），设计并推动架构方案落地。

职位要求

知名互联网企业专注系统稳定性工作三年以上，或从事系统架构师/资深研发工程师五年以上，Java 研发功底扎实，有大规模在线服务系统架构设计和稳定性保障经验；
深度参与过 AI 原生产品或大模型服务平台（如豆包、元宝、Kimi、DeepSeek、通义等）的 SRE / 稳定性 /基础架构工作两年以上，对高成本、高突发性对话流量的稳定性保障有实战方法论；
具备在目标模糊、边界不清、无先例可循的业务场景中独立工作的能力：能快速从现象中定义核心问题、抽象成结构化的技术命题、设计方案并推动落地；
喜欢做系统连续性、稳定性相关工作，具备较强的抗压性，愿意在技术风险 × AI Infra 交叉领域长期发展，跟随技术趋势持续探索，全力以赴拿结果。【加分项】有健康医疗/智能硬件领域 AI 产品稳定性经验；有“营销资金安全 + 对话 AI 混合场景”保障经验。