AI Infra SRE 工程师(Agent沙箱)
关于这个机会
1.数据面:负责宿主机集群运维:内核、虚拟化栈、轻量虚拟机、容器运行时、版本管理与变更管控、大规模故障处理、机型适配;参与定位宿主机与实例侧疑难问题:虚拟化异常、内核 panic、性能抖动、IO 与网络异常; 2.控制面:负责平台 SLA/SLO 达成:定义并运营可用性、创建成功率、冷启动时延等核心指标,保障调度与控制面组件的可用性、容量规划与性能优化; 3.负责事件/变更/问题管理全流程:故障响应与升级、影响面评估与对外通报、复盘闭环与改进项跟踪; 4.建设全链路可观测体系(指标、日志、拨测、事件),推进运维自动化,沉淀原子工具与标准化 SOP,实现巡检、变更、故障处置等场景的平台化; 5.探索并落地 LLM、AI Agent 技术,结合运维知识库、监控数据与工具调用,建设智能告警分析、故障诊断与自动化处置能力; 6.负责容量与成本优化,联动研发团队推动故障复盘与容灾风险治理,以数据驱动稳定性改进。
任职要求
1.本科及以上,5年以上云计算 / 虚拟化 / 容器相关运维或研发经验;有大规模集群或控制面运维经验,良好的 oncall 意识与跨团队推动能力; 2.熟悉 KVM / QEMU 虚拟化原理,了解轻量虚拟化或半虚拟化方案(如 MicroVM、Firecracker、Kata、gVisor); 3.熟悉容器与云原生技术栈:K8s、Docker 原理(调度/网络/存储)、容器运行时、namespace/cgroup、镜像与网络模型; 4.具备系统级性能分析能力(perf / ftrace / eBPF),能独立定位跨内核、虚拟化、网络、存储的复杂问题; 5.精通 Go / Python / Shell 之一,具备开发生产级自动化工具与运维平台的能力,有 LLM / AI Agent 应用开发经验者优先。
内推申请说明
本站为独立内推协助平台。申请会交由管理员核实岗位与内推渠道,不等于已在公司官网投递;薪资、岗位状态和实际招聘流程以官方信息为准。