岗位职责
- 负责大模型Token推理服务的生产环境运维，VLLM/SGLang等推理引擎的部署、升级、扩缩容与7x24小时稳定性保障，参与Oncall值班；
- 负责推理服务的生产级性能优化，围绕TTFT、TPOT、吞吐（tokens/s）、并发、排队时长等核心指标，开展引擎参数调优、KV Cache与批处理策略优化，配合PD分离架构落地，持续提升单卡产出；
- 负责推理业务故障的分诊与处置，处理生产环境性能与可用性问题，推动重大故障复盘、问题归因和系统性改进，降低 MTTR 和重复故障率；
- 建立模型全生命周期运维能力，模型权重的高效分发与快速加载（数百GB级）、模型版本管理、灰度发布与快速回滚、多模型混部与资源隔离；
- 负责推理服务弹性能力建设，基于流量与队列指标的自动扩缩容、多副本/多集群流量调度、限流降级与过载保护；
- 建设推理业务监控与自动化运维，搭建GPU层、引擎层、请求层（token粒度）指标体系与告警能力，探索基于大模型 Agent 的运维自动化，包括日志分析、故障诊断、操作建议和变更风险评估；
- 沉淀 Runbook与自动化工具，将成熟的运维操作标准化，跟踪业界 AI硬件与 Infra 技术演进（GPU、网络、存储、推理框架等），结合业务场景推动基础设施选型、架构升级、成本优化与技术创新。
职位要求
- 本科及以上学历，并取得相应学位，计算机及相关专业优先；
- 3年以上运维、SRE、基础架构经验，其中1年以上大模型推理服务生产环境运维或支持经验；
- 理解大模型推理关键性能指标（TTFT/TPOT/吞吐）及其影响因素，有实际的生产性能优化或疑难问题排查案例，熟悉Kubernetes及GPU调度，熟练使用Python/Shell开发自动化工具，熟悉Prometheus/Grafana/OpenTelemetry等可观测技术体系；
- 熟悉至少一种主流推理引擎（VLLM/SGLang/MindIE）的生产部署与调优，理解continuous batching、paged attention、KV Cache管理、量化等核心机制；
- 熟悉GPU使用与常见问题（CUDA、显存OOM、NCCL通信、Xid错误等），具备GPU环境问题定位能力；有多机多卡推理（TP/PP并行）运维经验者优先；
- 具备资源治理与成本优化意识，能够围绕 GPU 利用率、推理吞吐、时延与成本进行系统化优化；
- 责任心强，具备良好团队协作能力精神，学习能力强，善于解决复杂问题；
- 有推理网关、流量调度、基于自定义指标的弹性伸缩（KEDA/HPA）、智能运维、异常检测或运维 Agent 项目经验者优先。
