AI 平台高级 SRE 工程师 / DevOps 工程师 北京 全职 互联网 / 电子 / 网游 职位描述 1. 负责理想汽车 AI 平台大规模 GPU 集群、RDMA 网络及并行高速存储的稳定运行与日常运维，保障训练、推理等核心 AI 业务高效交付。 2. 负责大规模 GPU 集群在训练任务、资源调度、网络通信、存储访问等场景下的故障定位与问题解决，持续提升平台稳定性和可用性。 3. 深入理解 AI 训练与推理业务场景，参与 AI 平台在 Kubernetes 多集群、监控告警、日志检索、故障诊断等方向的云原生架构演进与落地。 4.
你将负责什么 1. 定义 Kimi 业务的稳定性 「稳」是什么、稳到什么程度、怎么衡量——在 Kimi，这些问题的答案由你来写。Kimi 业务正在高速发展，模型高频发布、产品形态快速演进：你不只是在维护一套静态系统，而是深入快速变化的 AI 架构与产品演进路线，在真正的前沿场景里定义可靠性。 与研发团队共建 SLO / SLI 体系，在可用性、延迟与迭代速度之间取得平衡，让可靠性目标与业务影响直接挂钩。 建立信号清晰的告警体系：分级、降噪，实现故障的分钟级发现与精准定位。 主导故障响应与复盘：快速恢复、彻底复盘、系统性改进——让团队从每一次故障中学到东西，确保同类问题不重复发生。 2. 发布工程与变更安全 为高频模型发布与产品迭代设计安全变更框架：灰度、金丝雀、自动回滚、变更可观测性，把「变更导致故障」的概率降至最低。 护航关键发布：发布前 readiness 评估（容量、依赖、回滚路径），发布中值守，发布后复盘。 把发布 runbook 沉淀为工具与流水线，把手工核验变成持续校验——每一次发布，都让 checklist 更短。 3. 可观测性与可靠性工程 与研发共建统一的 Telemetry 标准（Metrics / Logs /
SRE运维研发实习生 北京 校招 实习 研发 - 基础架构 2028届实习生招聘 职位描述 负责大规模分布式系统及各类在线服务可靠、稳定、高效运行1. 参与在线系统和各类产品架构设计，主导服务可靠性相关自动化系统的实现，满足严格的质量与效率要求2. 参与国内外整体机房建设，为产品用户提供最优质的接入与使用体验布局3. 设计研发服务运维解决方案，包括网站加速、持续交付、容量管理、弹性计算、故障分析、流量分配、性能调优等4.关注业界前沿技术动态，负责大规模流量接入系统的优化，演进和新接入技术探索和应用5. 关注业界相关技术动态，对齐混部技术方向（Docker等)），贡献与引领业界技术趋势6. 使用AI技术解决超大规模互联网应用运维问题 职位要求 1. 2026届本科及以上学历在读，计算机、通信、数学等相关专业优先2. 深入理解Linux操作系统；具备较好的计算机网络和体系结构基础3. 熟练掌握C/C++/Python/Go/Shell等至少一种主流编程语言4. 良好的逻辑思维和分析能力，热衷于解决问题、追求极致5. 强烈的责任心、进取心、团队合作精神和Ownership具有以下条件者优先：1. 有大规模分布式程序设计开发经验2. 熟悉TCP/IP、HTTP/HTTPS等网络协议，精通Socket网络编程，有网络故障的Trace能力 投递...
SRE工程师 北京、南京 校招 正式 软件研发类 2027届校园招聘计划 职位描述 1、我们为小米的站点稳定性提供系统和工具，是稳定性工程专家；2、实践DevOps , Google SRE 和 AI Ops 的工程思想；3、站在软件生命周期全局考虑如何保障系统健壮性，稳定性，并通过软件工程技术为站点保驾护航；4、站在用户/工程师的角度提供易用的工具和平台产品，不断完善使用体验；5、负责集团基础软件/工具/平台的设计和研发，维护小米各项业务的稳定运行；6、按照优秀的工程实践完成需求，设计，编码，测试，发布的软件开发流程；7、按照标准编写设计/开发/运维/用户文。 职位要求 1、熟练Go/C/C++/Java/Shell/Python至少一种编程语言，有Ruby/Bash经验更好；2、熟悉Linux/Unix系统；3、熟悉软件开发方法/流程，理解软件设计，开发，测试，发布过程；4、持续学习，不断追求更好，不断挑战自己，包括：产品/架构/方案/流程/编码；5、乐于分享，具备服务精神，良好的沟通能力和团队合作精神；6、优秀的分析和解决问题能力，勇于解决难题，有”问题到我为止“的精神。 投递...
【人形机器人】系统服务工程师 北京 全职 智能制造 / 工业互联网 / 工业自动化 职位描述 工作职责:1.整机服务启动拓扑、依赖声明、健康检查；进程守护、异常拉起、优雅降级；2.结构化日志、分布式 tracing（OpenTelemetry）、指标（Prometheus）与端云一体可观测；3.基于 eBPF / perf 的低开销运行时诊断，整机健康管理；4.身份认证与访问控制（PKI / X.509 / SROS2）、代码签名、密钥管理；5.OTA 升级通道（RAUC / Mender / SWUpdate）与 A/B 分区；急停 / 安全状态机上层软件对接。 职位要求 任职要求:1.本科及以上，计算机 / 信息安全相关专业；2.4 年以上系统软件 / 平台工程 /