腾讯混元大模型SRE运维工程师（北京）

任职要求

1.计算机相关本科及以上学历，有3年以上行业运维经验；
2.熟悉Linux操作系统，具备扎实的系统管理和网络知识；
3.熟练掌握至少一种编程语言（如Python、Go、Shell等），有自动化运维工具开发经验；
4.熟悉大模型、云原生相关技术以及LLMOps部署流程，具备容器化和微服务架构经验；
5.熟悉常用的基础硬件评测技术，具备资源规划和成本控制经验，能够制定并执行资源优化、成本控制计划；
6.具备较强的故障排除和问题解决能力，能够在高压环境下快速响应和处理系统问题；
7.具备良好的沟通能力和团队协作精神，能够与跨部门团队有效合作；
8.具备快速学习和适应新技术的能力，乐于接受挑战和不断提升自我。

加分项
1.有AI大模型、广告、搜索以及推荐系统相关运维经验优先；
2.有大规模GPU集群管理经验者优先。

工作职责

1.负责大模型服务的稳定性和高可用性，确保平台在高并发和大流量下的稳定运行，设计和实施监控、报警和自动化运维平台建设等，及时发现和解决问题；
2.负责故障的快速定位和修复，制定并执行应急预案，确保业务连续性，参与故障复盘，分析根本原因，提出改进措施，防止类似问题再次发生；
3.开发和维护自动化运维平台与工具，提高运维效率，减少人为操作失误。进行资源使用优化，提高资源利用率，提升系统性能；
4.分析和深入发掘现有系统的不足，数据驱动找到薄弱点，推动系统优化落地改进；
5.负责资源规划和管理，确保资源的合理分配和高效利用，进行资源成本分析，监控和评估资源使用情况，提出成本优化方案，同时能结合业界硬件演进roadmap与技术平台需求不断推动最优配置选型与迭代。