岗位职责
-构建统一可观测数据底座：负责日志、指标、链路（Tracing）等多维数据的采集、处理与存储体系建设，推进数据标准化与互联互通，打造统一的数据底座，支撑大规模分布式系统的可观测与运维分析能力 -设计与实现智能运维能力闭环：围绕“巡检 → 诊断 → 根因定位 → 调度止损”构建自动化运维闭环，结合规则引擎与 AI 能力，提升问题发现、定位与处置效率，推动运维从被动响应向主动治理演进 -开发 AI-Agent 驱动的 AIOps 能力中心（AIOps Platform）：负责构建以 Agent 为核心的运维平台架构，将诊断、调度、分析等能力进行标准化封装与服务化治理，形成可编排、可推理、可演进的能力体系；通过 Skill / Plugin 机制实现能力的模块化沉淀与动态扩展，支持多 Agent 协同完成复杂运维任务，持续提升平台的自动化与智能化水平 -推动 AI 与运维融合及异构资源治理能力建设：引入大模型与机器学习能力，构建智能分析、异常检测与自动诊断等核心能力，提升系统自愈与智能决策水平；同时面向 CPU / GPU / 混部等异构算力场景，建设统一的资源观测与调度支撑体系，提升资源利用率与系统稳定性 -提升平台稳定性与工程效率：通过自动化运维、发布治理、容量规划与性能优化等手段，保障平台高可用与稳定运行，并持续提升研发与运维整体效率
职位要求
-扎实的基础知识与工程能力：具备良好的计算机基础（操作系统、网络、数据结构等），具备一定编码能力（如 Go / Python / Java 等），能够完成基础功能开发与问题定位 -清晰的逻辑思维与问题拆解能力：面对复杂问题具备良好的分析与拆解能力，能够从现象出发逐步定位问题本质，具备以解决问题为导向的思考习惯 -良好的学习能力与技术兴趣：对云计算、分布式系统或 AI 相关方向有兴趣，具备快速学习新技术并将其应用到实际问题中的能力 -基本的软件工程意识与责任感：具备良好的代码习惯与工程意识，能够在指导下参与系统开发与优化；具备责任心与沟通能力，能够推动问题闭环
