小红书AI平台SRE研发工程师
任职要求
任职要求： 计算机相关专业本科及以上学历，3年以上云平台或大规模分布式系统运维经验 扎实的Linux系统基础，熟悉常见问题诊断和性能优化方法 了解AI训练和推理的基础架构，熟悉GPU资源管理优先 精通Docker、Kubernetes等容器技术，有大规模集群运维经验 熟悉主流监控系统（如Prometheus、Grafana）和日志系统（如ELK…
工作职责
负责AI平台基础设施的可靠性设计、监控告警、容量规划和性能优化 设计并实施平台的高可用性方案，制定灾备预案和故障响应机制 建立和完善AI平台的可观测性体系，包括日志、metrics、链路追踪等 负责自动化运维工具开发，提升平台运维效率和服务质量 分析和解决系统性能瓶颈，优化资源利用率 参与重大故障定位分析，制定改进方案并跟进落地 持续优化SLO指标，确保平台的稳定性和可靠性
1. 负责设计、开发和维护基于 Kubernetes 的自动化运维管理平台，提升对资源成本的控制、保障业务稳定性、提高运维效率； 2. 熟练使用Go/Java语言开发平台服务及底层Kubernetes组件能力； 3. 参与平台的高可用、性能优化、安全加固及自动化运维体系建设； 4. 基于AI技术，智能化解决容器层面的问题诊断、成本治理、告警降噪等问题； 5. 编写高质量、可维护的技术文档，推动团队技术沉淀与标准化。
1、承担AI私有化产品数据库及中间件的运维支持、性能优化、监控与故障诊断等任务； 2、负责AI私有化产品的容量规划、自动化部署、容灾演练，以及故障处理所需工具和系统的开发； 3、推进AI私有化产品的持续集成与交付，实现高效且自动化的运维优化，增强服务的稳定性并提升研发效率。
在菜鸟集团，我们致力于通过 AI 技术重塑软件研发与质量保障体系。 作为 AI 研发效能平台的核心成员，你将聚焦于利用 AI Agent 技术重构传统测试流程，打造智能化、自动化、自适应的新一代测试工具链。 你将参与构建基于大模型与智能体（Agent）的测试生成、执行、分析与修复闭环系统，让测试用例“自动生成”、缺陷“主动发现”、问题“自动定位”，真正实现“让测试更简单”。 你的工作将直接赋能菜鸟全球物流系统的高可靠、高效率交付，支撑亿级包裹背后的稳定体验。 我们提供： 1、探索 AI + 软件工程前沿交叉领域的绝佳机会； 2、支撑菜鸟全球物流核心系统的高影响力技术平台； 3、与顶尖 AI 工程师、SRE、研发效能专家协同作战的成长环境； 4、阿里巴巴集团生态内的技术资源与职业发展通道。
我们是SRE，我们用代码守护钉钉的业务稳定性，用平台能力降本提效。 我们设计并开发端到端的解决方案，包括网站加速、持续交付、容量管理、弹性伸缩、监控快恢、流量调度、性能优化等。 我们希望你，喜欢折腾操作系统、命令行、各端新技术； 我们希望你，鄙视重复，鄙视救火式的解决问题，以自动化为荣，以建设和实现真正的AI运维为追求； 我们希望你能站在全站的的高度，借助最前沿的运维技术和理念，通过工具创新、升级架构和方法，努力提升全站的稳定性及运维可靠性； 我们希望你能够站在用户的角度，不断完善产品的用户体验，影响到我们亿万的用户和消费者，让他们受益； 你想尝试下将阿里巴巴都跑在云上的感觉吗？想亲眼见证吗？加入我们。