职位描述
1. 负责大语言模型（LLM）推理服务的上线部署、版本发布与灰度发布流程建设；
2. 构建并维护高可用、可扩展的LLM推理服务架构，保障7×24小时稳定运行；
3. 监控推理服务的关键指标（如QPS、延迟、GPU利用率、显存、错误率等），推动推理服务的可观测性（Logging/Metrics/Tracing）体系建设；
4. 快速响应并解决线上故障，主导根因分析（RCA），推动系统健壮性持续改进；
5. 探索AIOps在大模型推理运维场景中的应用，如异常检测、智能扩缩容、自愈系统等。任职要求
1. 计算机、电子、通信或相关专业本科及以上学历；
2. 3年以上互联网或AI平台运维/SRE/DevOps相关经验；
3. 有实际的大模型或深度学习服务部署与运维经验，熟悉主流推理框架（如vLLM、SGLang等）；
4. 责任心强，具备良好的沟通能力和跨团队协作精神；
5. 有LLM在线服务（如Chatbot、API服务）的高并发运维经验。
