岗位职责
1. 基于 Go 语言设计并实现 AIOps 核心引擎：指标异常检测、日志聚类、调用链根因定位、故障预测与自愈；
2. 负责 GPU/CPU 混合集群的智能调度与弹性伸缩，将 LLM 训练/推理任务的资源利用率提升 30%+；
3. 与算法团队协作，将 Python 训练好的模型（PyTorch/ONNX）通过 gRPC 或 cgo 嵌入 Go 服务，完成在线推理与灰度发布；
4. 建设 MLOps 工作台：数据版本管理（DVC）、模型版本管理（MLflow）、A/B 实验、自动重训练与漂移检测；
5. 负责云原生可观测性体系（Prometheus+Grafana+Loki+Tempo），对 AI 组件（GPU 利用率、显存碎片、NCCL 通信）定制专属告警规则；
6. 编写 Operator 管理异构算力节点（NVIDIA/AMD/昇腾），实现驱动-容器-调度器一站式生命周期管理。

3. 任职要求
1. 本科及以上学历，计算机/数学/自动化等相关专业，1~5 年 Go 后台研发经验；
2. Go 语言：熟悉 goroutine、channel、context、内存模型、GC 调优，能写 10w+ QPS 无锁服务；
3. AI 工程化经验：
- 熟悉常见时序/异常检测算法（Isolation Forest、Prophet、LSTM、GNN）；
- 有 Python 交叉开发经验，能在 Go 中通过 os/exec、cgo、grpc 调用 PyTorch/ONNX 模型；
4. 云原生：
- Kubernetes 源码级问题定位，能写 CRD/Controller/Operator；
- 熟悉 Karpenter/Volcano 等弹性调度器，对 GPU 共享、MIG、NVLink 拓扑调度有实践；
5. 数据库：Kafka、Pulsar、Redis-Stream、InfluxDB、Elasticsearch、向量数据库；
6.可观测性：Prometheus exporter 自定义、Grafana 模板即代码、OpenTelemetry 自动注入；
7. 算法平台加分：使用过 Kubeflow、MLflow、Ray、KubeRay、DeepSpeed、vLLM；