滴滴CPG-AI集群工程师(JR2026041700C)
任职要求
必备技能 - 3年以上Kubernetes生产环境经验，精通调度机制和节点管 - 熟悉GPU资源管理（NVIDIA GPU Operator、GPU共享、拓扑感知调度） - 熟练掌握Go/Python语言，有Kubernetes源码阅读或二次开发经验 - 具备大规模集群（百节点以上）运…
工作职责
我们正在寻找资深AI集群工程师，负责构建和优化大规模GPU计算基础设施。作为AI算力平台的核心建设者，您将参与从硬件选型到调度优化的全链路工作，支撑公司核心AI业务的万卡级算力需求。 Kubernetes调度与计算平台 资源调度与集群管理 - 设计和实现GPU算力调度系统，优化资源利用率和作业调度效率 - 负责Kubernetes节点组件（kubelet、container runtime）的稳定性、性能优化 - 深度排查Kubernetes集群复杂问题 计算平台与节点优化 - 参与服务器硬件选型、测试和验收，重点优化GPU服务器性能 - 推进国产AI芯片的生态适配 - 建立集群故障感知召回体系，提高AI计算资源利用率，维护线上集群稳定性 扩展方向：性能优化（附加项） - 参与AI集群网络优化（NCCL/RoCEv2），提升分布式训练通信效率 - 深入文件系统、缓存、镜像、cri细节，优化容器启动速度
base北京/杭州都可以~ - 负责滴滴AI平台的架构设计和工程研发，打造行业领先的聚焦AI开发迭代效率和资源利用效率的AI平台 - 探索业界前沿的机器学习研发(MLOPS)和大模型工程研发(LLMOps)相关技术，覆盖数据、实验、训练、评估、推理等各个方向 - 不断精进、研究和实现大模型方向的平台产品与技术
1、负责Kafka平台的架构设计与研发工作，推动技术的不断升级与优化，构建一流的数据基础设施，满足AI对数据Infra不断增长的需求； 2、负责Kafka内核开发工作，不断提升系统稳定性和集群性能； 3、负责Kafka集群的日常运维、监控、扩容和故障处理，支撑业务平稳运行。
base北京/杭州都可以~ 我们致力于构建高性能、高可用的企业级数据库产品与生态体系。作为数据库研发团队的核心成员，您将参与从数据库内核、中间件到管控平台的全栈技术攻关，深度影响数据库产品的稳定性、性能与用户体验，为海量数据场景提供坚实的数据基础设施。 1.数据库管控系统研发：参与数据库管控平台（DBaaS）的设计与开发，实现数据库实例的自动化部署、生命周期管理、监控告警、高可用切换、智能运维及资源调度等核心功能。 2.数据迁移与同步服务（DTS）研发：参与高可靠、高性能的数据传输服务开发，支持异构数据源间的实时同步、批量迁移、数据订阅等功能，保障数据流动的准确性与低延迟。
岗位职责 1、负责集团内部使用的运维平台产品的研发和运维，如容量管理、混沌工程、应急预案、运维作业、命令通道、可观测系统等运维平台产品和工具； 2、分析AI Agent时代下，这些传统产品面临的挑战和问题，如何优化升级为Agent时代更高效的新产品形态，大幅提升产品使用效率和体验； 3、参与实现从产品需求、前后端设计与编码实现，连调测试、发布的全流程自动化AI Coding 多Agent+人在线协作，大幅提升研发效率和工程师全栈能力； 3、对当前平台做整体梳理，消除可能导致故障的稳定性隐患，确保平台使用安全； 4、合理对产品功能进行定价，关注公司内部收入和成本核算，主动使用AI Coding优化代码效率，降低成本，设定并完成运维平台产品年度经营目标。