核心职责
1、高并发算力调度系统开发：设计并实现高可用、高并发的分布式算力调度系统。利用Go的Goroutine和Channel机制，优化任务队列、负载均衡和资源分配算法，以应对客户动态、突发性的AI推理算力需求。
2、算力服务API网关与中间件：负责AI算力服务API网关的设计、开发与性能优化。保障API服务的稳定、低延迟与高吞吐，支持未来向“客户按需即时调用”的API租赁模式平滑过渡。
3、集群管理与自动化运维平台：参与开发集群管理、监控与自动化运维系统。通过Go实现高效的节点状态同步、故障自愈、弹性扩缩容逻辑，提升上万张算力卡集群的运维效率与资源利用率。
4、性能优化与系统调优：深入系统底层，进行性能剖析与调优。运用pprof等工具分析并优化CPU调度、内存分配（GC）及同步机制，解决大规模并发下的性能瓶颈，确保算力服务的经济性与竞争力。
5、技术方案设计与攻坚：参与核心模块的技术选型、架构设计，撰写高质量的设计与开发文档。主导或协助解决在开发过程中遇到的关键技术难题。
任职要求
一、基础能力：
1、计算机科学、软件工程或相关专业本科及以上学历，具备3年-5年Go语言后端服务开发经验。
2、深刻理解Go语言的并发模型、内存管理、网络编程及标准库，有生产环境高性能、高并发服务开发经验。
3、熟练掌握Linux开发环境，熟悉Docker容器化技术及Kubernetes生态，具备云原生应用的开发和部署经验。
4、良好的系统设计能力，熟悉分布式系统常用概念，了解RPC、消息队列、缓存、数据库等中间件原理与应用。
二、业务匹配技能（满足以下至少一项）：
1、云计算/算力平台方向：有云计算IaaS/PaaS层、资源调度、虚拟化或高性能计算平台相关开发经验。对成本控制与资源利用率优化有深刻理解。
2、AI工程化方向：对AI模型训练与推理的工程化流程有了解，有使用Go进行相关工具链开发、模型服务（Model Serving）或对接TensorFlow/PyTorch等框架的经验。熟悉GoMLX等Go生态机器学习框架者优先。
3、大规模系统优化方向：具备丰富的大型系统性能调优经验，精通Go运行时调度器（GPM模型）原理，能通过定制内存池、无锁数据结构等手段解决实际性能问题。
加分项
1、有参与过开源项目或在技术社区有活跃贡献。
2、对主流AI大模型技术栈（如Transformer架构）和推理优化有基本了解。
3、有算力租赁、GPU集群管理或类似平台的实际项目经验。
4、熟悉网络编程，对RDMA、InfiniBand等高速网络技术有一定了解。