高级 SRE 工程师 （AI-INF-基础设施） Beijing、Shanghai Experienced Full-time Responsibilities 岗位职责1、多云架构管理与业务落地：负责公司在 AWS、阿里云等主流公有云上的基础设施规划、建设与日常运维；能够独立对接业务团队，完成复杂业务系统的架构设计、资源规划、部署上线及全生命周期管理。2、K8s 集群稳定性保障：负责公司海量/大规模Kubernetes集群的构建、稳定性优化、容量规划与调度策略调优；负责服务容器化改造及网络、存储等云原生组件的疑难问题排查。3、AI 算力基础设施运维：保障大模型训练和推理任务的稳定运行，熟悉异构算力（如 NVIDIA GPU）服务器的驱动、网络（InfiniBand/RoCE）及监控排障，优化GPU资源调度与利用率。4、CI/CD 与自动化流水线：设计并优化持续集成与持续交付（CI/CD）流水线（如 GitHub Actions, GitLab CI, ArgoCD），推动基础设施即代码（IaC，如Terraform）的落地，提升研发交付效率。5、可观测性系统建设：负责构建和优化全链路监控与告警体系，深入应用 Prometheus、Grafana、Alertmanager等开源工具，制定核心业务的SLI/SLO/SLA，建立高效的故障应急响应流程。6、运维平台自研开发：深入研发团队痛点，能够使用Python或Go语言独立设计并开发运维自动化平台、底座工具或 AI-Agent 智能巡检系统，用工程化手段消除组织内的“脏活累活”（Toil）。7、应急响应与 On-Call：参与生产环境的On-Call值班，对线上突发事件进行快速响应、定位、止血与复盘，沉淀故障知识库。 Qualifications 任职要求1、教育背景与经验：计算机或相关专业本科及以上学历，5年以上SRE、DevOps或运维开发经验（有AI算力集群或大规模 K8s 运维经验者优先）。2、公有云专长：熟练掌握AWS、阿里云等至少两家主流公有云厂商的架构体系，熟悉其 IAM、VPC、EKS/ACK、RDS等核心服务及跨云互联方案。3、云原生深度掌握：深入理解 Kubernetes 架构与底层原理，熟练掌握常用组件（Ingress, CoreDNS, Flannel/Calico等），具备强大的Pod/Node级别排错、性能调优和网络抓包能力。4、AI / 算力经验（硬性加分项）：熟悉大模型分布式训练（如 Megatron-LM, DeepSpeed）或模型推理（如
BME SRL ( società di servizi IT con unesperienza ultra decennale, fornisce un servizio di consulenza informatica completo, dallanalisi, alla realizzazione di progetti personalizzati, al rilascio al cliente e assistenza.La nostra esperienza ci consente di affiancare