岗位职责：
1. 负责公司项目的标准化、规范化部署体系建设，设计并落地应用从开发、测试到生产环境的自动化发布流程，提升交付效率与稳定性。
2. 构建和维护 CI/CD 流水线，支持多服务、多环境（开发 / 测试 / 预发 / 生产）的持续集成与持续部署，实现版本可追溯、可回滚。
3. 负责系统运行状态的监控、告警与日志体系建设，覆盖应用服务、模型服务、GPU 资源及底层基础设施，保障系统稳定运行。
4. 参与服务器与云资源的统一管理与规划，包括计算、存储、网络资源的分配、扩容与成本优化。
5. 负责 GPU 集群的搭建、运维与调度，支持大模型训练与推理服务的高效运行，保障资源利用率与服务 SLA。
6. 参与系统高可用、高并发与容灾方案设计，推动平台在规模化应用场景下的稳定运行。
7. 编写并维护运维相关技术文档与规范，持续推进运维流程自动化与标准化。
任职要求：
1. 计算机科学、软件工程或相关专业本科及以上学历，具备扎实的计算机系统基础。
2. 熟悉 Linux 操作系统，具备较强的服务器环境部署、排障与性能调优能力。
3. 熟练使用 Docker，了解并掌握 Kubernetes（K8s）等容器编排技术，有实际生产环境经验。
4. 熟悉至少一种 CI/CD 工具链（如 GitLab CI、Jenkins、Argo CD 等），具备自动化发布与回滚实践经验。
5. 熟悉常见监控与告警体系（如 Prometheus、Grafana、Alertmanager、ELK / Loki 等），能够独立搭建并优化监控方案。
6. 具备一定的脚本与开发能力，熟练使用 Shell、Python 或 Go 进行运维自动化开发。
7. 熟悉服务器资源管理与网络基础知识，对系统稳定性、可用性与安全性有较强责任感。
加分项：
1、有 GPU 服务器或 GPU 集群运维经验，熟悉 CUDA、NVIDIA 驱动、NCCL 及相关生态。 •
2、有大模型训练或推理服务（如 vLLM、Triton、TensorRT-LLM 等）的部署与运维经验。
3、了解 SRE 理念，有 SLA / SLO / 错误预算等实践经验。