高级平台开发专家-AI算力基础设施方向

职位描述

工作职责:

1. 负责AI算力集群基础设施自动化管理平台设计与研发，规划运维平台的产品路线图，覆盖CMDB、工单系统、自动化运维、监控告警、变更管理等核心模块；

2. 持续迭代平台核心系统的设计、开发和迭代，确保平台的高可用性与可扩展性，支持算力集群全生命周期管理，提高资源运营效率；

3. 深度参与AI算力集群可观测性、故障定位和故障自愈等自动化能力建设，提高故障发现和根因定位效率，支持AI算力集群持续稳定运行；

4. 深度参与AI算力集群交付，建设算力交付基线、压测与检查等自动化能力，保障交付资源稳定性与性能一致性；

5. 与SRE、网络、服务器等团队紧密协作，深入理解业务需求并转化为平台能力；

工作要求:

1. 计算机系统、电子、通信及、自动化相关专业本科以上学历；6年以上工作经验；

2. 3年及以上大规模基础设施平台开发相关工作经验，拥有AI算力集群管理平台开发经验优先；

3. 精通 Golang 系统编程，掌握Python/Shell等一种或多种常用脚本语言；具备AI Coding的深度实践经验，具备利用 AI 工具链提升研发效能与代码质量的意识与能力；

4. 熟悉 GPU服务器体系结构及 RDMA 高性能网络，了解大模型训练/推理流程，对AI集群基线管理、可观测性、故障检测与自愈等有一定实践或深入理解；

5. 良好的沟通协作能力，有良好的团队合作精神；自驱力强，具备复杂项目的落地推动能力；