云与算力平台工程师

1. 负责 GPU 资源调度和分配，负责平台的成本治理和资源利用率监控，针对算力与存储等关键资源建设成本工程能力；
2. 负责 GPU 集群的基础运维工作，参与分析解决线上问题，保障 GPU 集群训练和推理任务的长稳运行与系统稳定性；
3. 对云上与云下（Kubernetes/裸机 GPU 等）资源做统一资产统计与持续纳管，沉淀资源台账与统一看板；
4. 负责解决用户线上 GPU 资源环境问题；
5. 编写并维护云平台运维文档，包括操作手册、故障安全库等

1. 具备良好的 Python/Go/Shell 编程基础，能编写自动化运维脚本及运维提效小工具；
2. 具备 GPU 集群以及相关环境的运维部署经验；
3. 熟悉 Docker 容器，熟悉微服务的配置部署与监控，熟悉容器编排理念，掌握 Kubernetes 的集群管理和问题排查，并拥有生产环境使用经验；
4. 熟悉 GPU 集群，包括但不限于 GPU 服务器初始化、驱动安装、CUDA 环境配置、资源利用率等基础运维能力；
5. 熟悉大语言模型，了解模型推理的常用框架使用与排查；
6. 具备良好的沟通协调、学习和问题分析能力，能适应 7×24 运维工作，责任心强，抗压能力好；
7. 了解 GPU 服务器，具备基础的带内/带外服务器运维能力。

加分项：

1. 熟悉常用堡垒机使用，权限管理分配，运维等经验；
2. 能独立定位和解决平台问题，有较强的自驱力，不需他人逐步指导；
3. 对负责的系统有责任心，故障和问题跟进到底，整改措施落实后再关闭；
4. 多任务并行时能分清轻重缓急，关键事项主动反馈进展；
5. 有项目意识，能按计划推进工作，风险及时暴露和同步