MiniMax高可用架构师

工作描述

一、一句话定位
负责建设面向大模型训练、推理及 Agent 在线业务的公司级稳定性治理体系与高可用架构能力，让核心系统可预防、可观测、可恢复、可持续演进。

二、为什么这个岗位重要
大模型训练、推理和 Agent 业务具有资源密集、链路长、依赖复杂、流量波动大等特点。训练任务中断、推理服务不可用、工具调用失败或上下游依赖异常，都会直接影响模型研发效率、产品体验和业务连续性。
随着 GPU 集群、模型服务、Agent 编排和在线业务规模增长，稳定性不能只依赖人工响应。我们需要通过架构设计、平台能力和治理机制，系统性识别风险、隔离故障、快速恢复，并持续提升核心业务的可靠性。
 你将以公司全局视角，指导训练、推理、平台和业务团队建设高可用能力，沉淀适用于模型业务的稳定性标准、工具和方法论。

三、你将负责什么
1. 负责公司级稳定性体系规划与建设，包括稳定性目标、SLO/SLI、技术标准、治理流…