平台开发与运维工程师(J10998)

平台部署与交付：负责数据平台与 AI 平台各组件（计算、存储、调度、监控、AI 推理/训练服务等）的部署、配置、升级与版本管理，建设 CI/CD 流水线。

AI 模型部署：负责 AI/大模型的私有化部署与上线，完成模型服务化封装（推理服务、API 网关）、模型版本管理与灰度发布，保障模型服务的可用性、时延与吞吐达标。

AI 应用开发：开发 AI 应用与智能体（Agent）应用，包括大模型应用（RAG、知识问答、报告自动生成、根因分析助手）、多模态应用（图像/时序/日志融合分析）及与 Fab 业务系统的集成对接。

监控告警：建立数据平台与 AI 平台的监控告警体系（资源/任务/服务/模型指标监控，如 GPU 利用率、推理时延、QPS、Token 消耗等），制定 SLA 与告警策略，保障高可用与可观测性。

故障处理：处理平台与 AI 服务故障、资源瓶颈、性能劣化问题，执行应急响应与根因分析，沉淀故障处理 SOP 与预案。

算力与容量：执行容量规划、GPU/算力资源调度与扩缩容，优化资源利用率与运行成本，支撑训练/推理任务稳定运行。

安全合规：落实信息安全与数据合规要求（权限管控、数据脱敏、审计日志、IT/OT 网络隔离、模型与数据安全），保障 Fab 生产数据与 AI 资产安全。

本科及以上学历，计算机相关专业，3 年以上半导体工厂（Fab）IT 运维或平台工程经验。

熟悉 Fab 生产环境的 IT 运维特点（高可用要求、数据保密性、IT/OT 网络隔离、设备系统对接、7×24 生产连续性等）。

熟悉 Linux、容器化（Docker/K8s）、自动化运维（Ansible/Terraform 等）与监控体系（Prometheus/Grafana 等）。

具备 AI 平台运维能力：熟悉大模型/推理框架的私有化部署（如 vLLM、TGI、TensorRT-LLM 等），了解 GPU 算力调度（CUDA、NVIDIA 驱动、GPUStack/K8s GPU 调度）与模型服务化（Triton、FastAPI 等）。

具备 AI 应用开发能力：熟练使用 Python，熟悉大模型应用开发（LangChain/LangGraph、RAG、向量数据库、Prompt 工程、Agent 编排），能独立开发并交付 AI 应用/智能体。

掌握大数据平台组件的部署与调优，具备故障排查、日志分析与应急响应能力。

了解 CI/CD、IaC 实践，具备自动化运维脚本（Python/Shell）能力；熟悉信息安全与合规要求，具备资源成本优化意识。