理想汽车高级 SRE工程师-AI平台

1. 负责小鹏汽车扶摇AI平台的运维工作，为业务平台的可用性负责 2. 调查解决大规模GPU集群管理和大规模AI训练情况下遇到的各种系统/稳定性问题 3. 持续建设AI平台运维体系、在稳定性建设、故障定位、资源运营等方向，推动运维工作自动化、工程化

1.负责 AI 代码助手平台线上业务系统的日常运维，保障系统 7×24 小时稳定运行； 2.设计并完善 AI 代码助手的监控体系，实时监控系统性能、资源利用率、用户并发连接数等关键指标，通过数据分析提前发现潜在风险并制定解决方案； 3.制定并实施系统可靠性提升方案，优化 AI 代码助手的系统架构与部署，增强系统在高并发场景下的可用性和容错能力； 4.开发和维护自动化运维工具与脚本，实现服务器部署、配置管理、故障处理等运维任务的自动化，提升运维效率； 5.建立并完善应急响应机制，制定应急预案并定期演练，在系统故障时快速响应恢复；深入分析故障，制定改进措施避免复发； 6.结合业务发展和用户增长预测，对 AI 代码助手系统进行容量规划和性能评估，提前调整服务器资源，优化系统性能； 7.负责研发效能提升工作，搭建高效的流水线，实现代码自动化构建、测试与部署，减少人工干预，提升交付速度。

- 建设复杂微服务场景下，基于AI的线上运维体系，提升异常发现和恢复能力； - 建设地理位置信息场景下的通用缓存和降级能力，支撑海量地理数据的容灾能力； - 建设高质量红蓝攻防演练平台，提升真实线上场景的演练效率和覆盖； - 建设高效的评测平台，满足业务需求的同时，提升评测效率；

1、负责互娱研发质量线稳定性治理工作，主导以下任一领域方案与能力建设，支撑业务达成目标； 2、负责性能容量治理，对业务建立常态化容量保障机制，持续沉淀产品化方案并主导落地； 3、负责稳定性蓝军工作，构建风险挖掘、演练、评估体系，产出攻防相关工具平台产品化方案； 4、负责AIOps方案设计与落地，利用AI技术提升链路依赖、容量、监控等方向治理的效果和效率。