核心职责 (Responsibilities)

1.云原生架构： 负责 AWS 云和私有机房的规划与管理，实现基础设施即代码 (IaC)。

2.容器编排： 维护大规模 Kubernetes (EKS) 集群，负责集群升级、扩容、网络配置 (CNI) 及存储管理。

3.运维开发： 使用 Python 或 Go 开发自动化运维工具、CLI 或平台，解决重复性劳动，提升研发效能。

4.可观测性： 搭建基于 Prometheus, Grafana, ELK 的全链路监控与日志系统，确保系统稳定性与快速故障定位。

5.AI 基础设施 ：

（1）管理 GPU 服务器资源 (Nvidia A100/T4 等)，优化驱动版本与 CUDA 环境。

（2）负责 ComfyUI 等生成式 AI 工具的容器化部署、并发优化等。

任职要求 (Must-Haves)

1.经验背景： 计算机相关专业，3年以上 DevOps 或 SRE 工作经验。

2.云与容器： 精通 AWS 核心服务 (EC2, EKS, S3, VPC)；深入理解 Kubernetes 架构及调度原理。

3.开发能力： 必须具备良好的编程能力，精通 Python 或 Go 语言，有实际的工具开发或后端开发经验。

4.系统基础： 深入理解 Linux 操作系统、网络协议 (TCP/IP, HTTP, DNS) 及 Shell 脚本。

**** Jenkins, GitLab CI 或 GitHub Actions 流水线设计。

加分项 (Nice-to-Haves)

**** 运维： 有大规模 GPU 集群运维经验，熟悉显存监控、资源切分或竞价实例 (Spot) 成本优化。

2.AIGC 实战： 生成式AI經驗, 熟悉 ComfyUI、Stable Diffusion WebUI 的部署架构，有解决其依赖管理、多用户并发或模型加载加速的经验。

3.MLOps/AIOps： 了解 Kubeflow, MLflow 或 Triton Inference Server 者优先。

4.高性能计算： 有 RDMA 网络或大规模数据并行处理经验。