岗位职责
- 稳定性保障与故障应急：参与核心业务日常稳定性运营与线上故障应急，包括监控告警治理、故障定位止损、复盘改进闭环；
- 架构风险治理与防劣化：参与强弱依赖治理、容量规划、预案建设与保鲜、单点及单活风险治理，用工程化手段实现风险的自动发现与拦截；
- 容灾体系建设与演练：参与多机房 / 多云 / 跨地域容灾架构落地与混沌演练，验证系统在真实故障场景下的逃逸能力；
- Agentic Ops 能力建设：参与 SRE Skill 与故障应急 Agent 的设计开发，把排障经验沉淀为可复用的能力资产，推动应急链路从人工主导走向人机协同。
职位要求
- 本科及以上学历，计算机、软件工程等相关专业；
- 计算机基础扎实，掌握操作系统、计算机网络、数据结构与算法；熟悉 Linux 环境及常用排障手段；
- 熟练掌握 Go / Python / Java 中至少一门语言，具备独立开发工具或服务的能力；
- 具备较强的学习能力与问题拆解能力，有责任心和抗压能力，能适应 On-Call 工作节奏。 【加分项】： 了解 Kubernetes 等云原生技术栈或分布式系统原理；有可观测性相关实践；有 LLM / Agent 应用开发经验；有开源贡献、技术竞赛或基础架构方向实习经历。
