岗位职责
- 负责AI 产品/平台的日常运行保障、服务监控、故障处理、发布支持和稳定性治理；
- 负责AI产品/平台可观测性体系建设，包括服务指标、接口调用、模型调用、工具调用、任务 Trace、日志、告警和运行看板；
- 负责API模型调用与LLMOps运维，包括模型接口状态、调用延迟、Token 消耗、失败率、限流、模型切换、调用成本和质量变化监控；
- 负责平台服务发布、灰度、回滚和配置变更管理，保障智能体、工具、模型、Prompt、知识库和工作流版本变更可追溯、可回退；
- 负责平台服务故障诊断和问题闭环，定位模型、工具、数据、知识、记忆、权限、接口、配置和系统资源等问题根因；
- 负责建设自动化运维和智能化运维能力，包括自动巡检、异常检测、告警聚合、根因分析、自动恢复、运行报告和运维知识库沉淀；
- 负责与平台服务开发、算法、数据、产品运营和业务团队协同，推动高频问题修复、平台稳定性优化和运维能力持续演进。
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AI产品、大模型MaaS服务生产环境运维或支持经验；
- 熟悉 Linux 操作系统原理，具备扎实的网络、存储、系统调优与分布式系统基础；
- 熟练掌握至少一种编程语言（Python /Go优先），具备自动化平台、运维工具以及AICoding 工具开发经验；
- 熟悉 AI产品、MaaS、LLMOps/ MLOps 相关技术栈，理解模型服务链路与推理架构；
- 熟悉 Kubernetes、Docker、微服务架构及云原生技术体系，具备大规模容器平台使用或运维经验；
- 具备较强的性能分析、容量规划与故障排查能力，能够在复杂场景下快速定位并解决系统问题；
- 责任心强，具备优秀的跨团队协作与沟通能力，能够推动架构、平台、算法与业务团队高效协同。
