岗位描述（节选）
1.负责腾讯云大模型训推平台客户2线技术支持，解决客户在训练、推理等环节遇到的技术问题，保障客户业高效、稳定运行；
2.定期复盘线上故障与客户问题，深入分析根因，优化技术支持流程与诊断工具，输出改进建议并驱动产品迭代升级；
3.深入分析平台可用性风险、瓶颈与容量热点，通过数据驱动方式识别风险与性能短板，持续推动架构优化与平台演进；
4.参与运维管理体系建设，负责可观测诊断平台、自动化运维工具的规划与开发，以及GPU资源、分布式训练、推理服务等组件的容量规划与性能调优；
5.探索AI Native、AIOps、Agentic 运维诊断等前沿方向，推动运维体系向智能化、自愈化与自治化演进。