sre运维研发工程师岗位职责

工作职责:

-负责百度大规模分布式系统及各类在线服务可靠、稳定、 高效运行
-参与在线系统和各类产品架构设计及自动化系统的实现，满足严格的质量与效率要求
-负责超大规模流量接入系统的优化，演进和新接入技术探索和应用
-关注业界相关技术动态，对齐混部技术方向(Docker 等)，贡献与引领业界技术趋势
-设计研发服务运维解决方案，包括网站加速、持续交付、容量管理、弹性计算、故障分析、 流量分配、性能调优等
职位要求:

-深入理解 Linux 操作系统;具备较好的计算机网络和体系结构基础
-熟练掌握 C/C++/Python/Go/Shell等至少一种主流编程语言
-良好的逻辑思维和分析能力，热衷于解决问题、追求极致 -强烈的责任心、进取心、团队合作精神和 Ownership

岗位职责：
1. 负责AI能力在生产环境中的稳定运行与平台化支撑，包括LLM接入、Agent系统运行，以及AI推理/训练工作负载在Kubernetes集群上的可靠交付
2. 保障AI推理与相关服务的高可用、低延迟与可扩展运行，建立AI系统的SLO/SLA与稳定性治理机制，负责AI相关故障的应急响应、定位与RCA
3. 负责AI推理服务在Kubernetes上的部署、发布与扩缩容，设计并落地限流、熔断、降级与回退策略，支撑多模型、多版本共存及灰度发布
4. 支撑AI推理、轻量训练或微调任务在Kubernetes集群中的运行，设计资源调度、隔离与配额策略（CPU/GPU/内存），排查GPU、内存、网络、存储等资源相关问题
5. 构建AI系统的可观测性能力（指标、日志、Trace），设计Runbook，推进运维流程自动化与问题预防，持续降低MTTR，提升系统稳定性与可预期性
6. 将AI能力沉淀为可复用的平台服务或基础组件，与研发、平台、算法等团队协作，推动AI能力工程化落地，参与AI系统的架构评审与发布决策

任职要求：
1. 本科及以上学历，计算机相关专业，5年及以上SRE/运维/平台经验
2. 扎实的Linux/网络/分布式系统基础，精通Kubernetes，理解调度、网络、存储及控制面原理
3. 有AI推理服务或模型API的生产环境支撑经验，熟悉LLM接入或Agent系统的运行模式与工程挑战，了解GPU资源管理与调度机制
4. 熟练使用Go/Python/Shell中至少一门，有平台工具、自动化系统或中间层服务开发经验
5. 熟悉Prometheus/Grafana/日志/Trace系统，有高并发系统的限流、熔断、降级与应急处理经验，有SLA/SLO驱动的稳定性治理实践

加分项：
- 具备vLLM/Triton/TGI等LLM推理框架使用经验
- 有模型调用成本控制、配额或计量经验
- 具备多云/混合云/私有化部署经验
- 有企业级平台或中台系统运维经验

工作职责
岗位职责：
建设统一可观测性体系，包括监控、日志、链路追踪、APM
设计和实施SLI/SLO指标体系，建立业务健康度量标准
开发智能运维工具，包括异常检测、故障预测、根因分析
负责多云监控数据集成和可视化展示
实施告警优化和智能降噪，提升故障发现效率
任职资格
任职要求：
本科及以上学历，计算机相关专业，5年以上监控或可观测性经验
精通Prometheus、Grafana、ELK、Jaeger等可观测性工具栈
具备强大的脚本开发能力，熟悉Python、Go、Shell等
熟悉时序数据库和大数据处理技术
具备数据分析和机器学习基础知识
良好的数据可视化和报表开发能力