混元评测Infra可观测性工程师（北京/深圳）

职位描述

1.平台稳定性与故障响应：持续关注评测平台运行状态，分析告警、异常任务、失败日志和资源使用情况；及时响应线上故障和用户问题，快速判断影响范围、定位根因并推动恢复；对重要故障开展复盘，跟踪改进措施落地；建立并完善告警分级、故障响应、问题升级和应急处理机制；参与必要的线上值班及重大评测任务保障；

2.用户问题定位与解决：协助用户排查评测任务提交、调度、执行、模型调用、评分和结果生成等环节的问题，结合任务状态、日志、指标和调用链信息还原问题现场，提供清晰、准确、可执行的解决方案；总结高频问题，完善错误提示、排查文档、FAQ 和自助诊断能力；将用户反馈转化为平台改进项并推动闭环；

3.可观测性体系建设：完善评测系统的日志、指标、调用链和事件体系，建设覆盖任务提交、队列调度、数据准备、模型调用、沙箱执行、评分及结果聚合的端到端可观测能力；设计和维护 Dashboard、SLI、SLO 及告警规则；持续治理误报、重复告警和告警盲区；建设任务级、用户级、模型级和基础设施级的问题关联与下钻分析能力；

4.诊断工具与自动化建设：开发任务诊断、日志聚合、环境检查、根因分析等内部工具，将重复性的人工排查流程标准化、工具化和自动化；建立常见问题分类、诊断规则及修复建议，推动平台提供更明确、用户可理解的错误信息；探索使用大模型进行日志分析、异常聚类、故障归因和诊断建议生成。