我们正在探索 AI 时代基础设施的新形态。我们希望把 Cloud、Kubernetes、Observability 和 AI 更紧密地结合起来，让基础设施不仅稳定、高效，也能够被 AI 更好地理解、使用和自动化。 这个岗位不会局限于某一个平台或组件。我们希望你能够从 Cloud / Network 一直深入到 Kubernetes、Platform 和 Observability，独立解决复杂的基础设施问题，并探索 AI 在 Infra / SRE 场景中的实际应用。 岗位职责 ● 建设和演进 Observability 平台，包括 Metrics、Logging、Tracing，技术栈主要包括 Prometheus / Thanos、ClickHouse、OpenTelemetry、Grafana、VictoriaMetrics 等 ● 参与 Kubernetes 和 Cloud Native Platform 建设，包括集群、调度、弹性、发布、GitOps、PaaS 等方向 ● 参与 AWS / 阿里云等云基础设施建设，包括计算、存储、网络、IAM、资源规划和基础设施自动化 ● 探索 AI Observability，包括 LLM / Agent 的调用链路、性能、成本、行为和运行状态等 ● 探索 AI for Infra / SRE，利用 AI 改进故障诊断、异常分析、变更、运维自动化和平台自服务能力 ● 独立负责复杂技术问题和项目，从发现问题、定义问题、方案设计到落地和效果验证，对最终结果负责 任职要求 ● 知名院校大学本科学历以上，计算机相关专业 ● 4 年及以上 Infra / Cloud Native / SRE / Observability / Platform Engineering 相关经验 ● 在 Kubernetes、Observability、Platform Engineering、SRE 等至少一个方向有扎实的工程实践，并愿意跨领域解决问题 ● 熟悉 Kubernetes 及其核心机制，对容器、网络、存储、调度、Controller / Operator 等部分领域有实际经验 ● 有 AWS、阿里云等主流公有云的生产环境经验，熟悉计算、网络、存储、IAM 等基础能力 ● 熟练掌握 Go / Python 中至少一门语言 ● 具备较强的系统问题分析能力，能够在信息不完整的情况下快速建立上下文、定位关键问题并推动解决 ● 认同“才绩为先”的团队文化，具备极强的执行力，对自己“知道与不知道”的事物保持谦逊，善于沟通和协作 加分项 ● 同时具备 Observability 和 Kubernetes / Cloud Native 两方面的生产实践 ● 深入使用或维护过 Prometheus / Thanos / ClickHouse / OpenTelemetry 等系统 ● 熟悉 VPC / Subnet、路由、网络隔离、跨 VPC / 跨账号互联、VPN / 专线等云网络架构 ● 有 IDC、自建机房、混合云或多云基础设施经验 ● 有 AI Infra、LLM / Agent Observability 或 AI for SRE 的实践经验