岗位职责
1.负责人力资源业务系统的稳定性建设，如WEB服务、APP后端、API网关、用户行为日志等；构造和维护高可用、可扩展的服务架构，提升系统容灾能力和故障恢复效率；
2.设计并实现自动化监控、告警、发布、扩缩容等系统运维流程，深度参与CI/CD流水线设计与优化，推动DevOps和自动化落地；
3.负责大模型训练与推理所需的 GPU 服务器及 CPU 服务器的日常运维工作，包括服务器的环境配置、部署、监控、故障排查与修复，保障服务器硬件设备稳定运行。
4.制定并执行服务器定期巡检计划，记录巡检数据，分析潜在风险，提前预警并解决服务器性能瓶颈、硬件故障等问题，确保服务器资源利用率达到最优水平。
5.负责企业应用相关服务的安全防护工作，制定并落实服务器安全策略，包括操作系统安全加固、账号权限管理、防火墙配置、数据备份与恢复方案等，防范网络攻击、数据泄露等安全风险。
6.监控服务器运行状态，实时跟踪服务响应时间、并发量、错误率等关键指标，当服务出现异常时，快速定位问题根源，协调相关资源进行紧急处理，保障服务可用性与稳定性，降低服务中断时长。
7.参与制定服务应急预案，定期组织应急演练，提升团队应对突发故障的能力，确保在极端情况下能快速恢复大模型服务运行。
8.编写运维工具、脚本及技术分享文档。
任职要求
1.学历与专业：计算机科学与技术、电子信息工程、软件工程等相关专业，3 年及以上服务器运维或后端开发相关工作经验。
2.服务器运维能力：熟悉 GPU 服务器（NVIDIA 系列优先）及 CPU 服务器的硬件架构与工作原理，掌握服务器运维常用工具（如 Ansible、Prometheus、Grafana 等）的使用方法，具备独立完成服务器故障排查与修复的能力。
3.操作系统与网络知识：熟悉 Linux系统原理，熟悉 TCP/IP 协议栈，具备网络故障排查能力，了解防火墙、负载均衡等网络设备的配置与使用。
4.编程与工具能力：具备扎实的编程基础，熟练至少一种主流编程语言如C/C++、Python、Shell 等；熟悉 Docker 容器技术；
5.安全意识与应急处理：具备强烈的服务安全意识，熟悉常见的网络安全威胁与防护措施，掌握数据备份与恢复方法；具备良好的应急处理能力，能够在服务出现故障时快速响应、高效解决问题。
6.沟通与协作：具备良好的沟通表达能力与团队协作精神，能够清晰准确地与跨部门团队沟通技术需求与解决方案，积极配合团队完成项目任务；具备较强的学习能力与抗压能力，能够快速适应新技术、新业务，应对工作中的挑战。
加分项：
1. 熟悉vLLM、SGLang等推理框架，有AI模型部署和运维工程落地经验；
2. 能独立完成服务器性能测试，熟悉软件测试的流程与方法