算法平台工程师 / 技术专家（MLOps＆Feature Platform）

特征平台（Feature Store）建设：主导搭建批流一体的特征存储与服务引擎，统一管理离线特征（数仓 / 湖仓）与在线特征（低延迟 KV）；保障特征定义、离线计算与在线实时特征提取的逻辑一致性。

统一推理与模型部署体系：负责低延迟、高并发在线模型推理服务网关的设计与优化，制定通用模型服务契约，支持支付核心链路（毫秒级 SLA）下的风控评分、重试与路由决策。

MLOps 全链路闭环：构建涵盖模型注册（Model Registry）、训练流水线调度、超参优化、自动化打包与灰度发布的平台体系；建立特征漂移（Data Drift）与模型效果线上衰减监控机制。

协同与生态赋能：抽象沉淀算法组件与标准化接口，赋能应用算法工程师及各业务线，降低模型上线、迭代与运维门槛。

计算机或相关专业本科及以上学历，3 年以上分布式系统、大数据平台或 MLOps 平台研发经验。

底层工程功底：熟练掌握 Go / C++ / Java 中至少一种高并发语言，熟练使用 Python 进行平台服务编排，理解 Linux 操作系统与网络低延迟优化。

大数据与存储栈：具备 Flink、Spark 等批流计算框架的开发与调优经验；熟悉 Redis、Aerospike、Cassandra 等低延迟存储与 Iceberg/Hudi 等湖仓技术。

平台与容器化生态：熟悉 Kubernetes、Docker，熟悉常见模型服务框架（如 Triton Inference Server、TorchServe、vLLM 等）及 MLOps 开源生态（如 Feast、MLflow、Kubeflow）。 加分项： 有大型跨境电商、第三方支付或高频交易系统核心链路研发背景，或从零主导过企业级特征平台落地。