SRE与可观测平台工程师

【岗位职责】 负责智元具身智能AI云平台的可靠性与可观测建设，覆盖控制面、计算、存储、网络及训练服务。可按可靠性工程或可观测研发方向应聘，任职要求中的方向项满足其一即可，入职后按专长分工。 主要职责 1. 建设统一指标、日志和链路追踪能力，规范服务及资源标识，关联控制面、算力、存储与训练任务信息，支持跨组件排障。 2. 与服务负责人制定SLI、SLO和告警规则，建设告警分级、聚合、抑制与路由机制，持续改进告警有效性和响应效率。 3. 建设CI/CD、GitOps及配置管理流程，完善变更检查、灰度发布与回滚能力，协同服务团队验证发布和恢复方案。 4. 按团队安排参与值班与应急响应，组织协同排障和故障复盘，维护操作手册及恢复预案，跟进根因修复和改进措施。 5. 建设容量、资源利用率及成本可视化能力，识别容量风险和资源浪费，联合计算、存储等团队推动扩容与使用效率优化。 6. 开发巡检、部署验收和…… 完整岗位描述与官方投递入口,请登录后在岗位详情页查看。