驻场运维工程师（Python）

岗位职责
1. 系统与AI平台运维保障：负责业务系统、数据服务及AI大模型相关平台的现场部署、日常维护、故障兜底与7*24小时运行保障，跟进大模型推理服务、微调服务运行状态，保障AI业务稳定对外提供服务；
2. Linux服务器运维管理：熟练完成Linux服务器环境初始化搭建、应用服务部署、参数配置、性能监控、日常巡检，处理服务器内核、磁盘、内存、网络等底层硬件及系统层面异常问题；
3. 容器化服务运维：负责Docker、Docker Compose容器化服务的编排部署、版本迭代更新、线上故障排查、容器资源配额管控、镜像管理，完成容器服务迁移与扩容运维工作；
4. 系统版本发布与日常管控：负责业务系统现场版本发布、灰度更新、服务启停、账号权限划分配置、全链路运行状态定时巡检，输出标准化巡检报告，提前预判系统运行风险；
5. 基础设施搭建与灾备维护：参与项目底层基础设施建设，完成局域网网络环境配置、跨服务互联互通调试、全量数据定时备份、系统宕机快速恢复、灾备演练等工作，筑牢底层运行底座；
6. 大模型与GPU专项运维：协助完成GPU算力环境调试、大模型基础服务部署、推理接口运维、显存占用监控、大模型运行日志分析，解决大模型服务启动失败、推理超时、算力不足等常见现场问题，提供AI平台底层环境支撑；
7. 中间件与数据库运维排障：负责日志系统、缓存服务、PostgreSQL数据库、Nginx、Kafka等中间件的日常运维、性能调优、异常告警处理，快速定位并解决服务连接失败、数据堆积、缓存击穿等线上问题；
8. Python运维自动化开发：基于Python开发轻量化运维脚本、自动化巡检工具、日志清洗分析脚本、服务状态监控脚本、批量部署脚本，替代重复性人工运维工作，提升现场运维效率；编写简易接口脚本，完成大模型服务接口调用、状态自动化检测；
9. 现场技术支撑与项目交付：常驻项目现场提供一线技术支撑，对接项目组、甲方处理现场突发技术问题；配合项目全流程实施、验收及交付工作，按要求完成阶段性封闭部署、压力测试、上线值守等专项任务。
任职要求
1. 大专及以上学历，计算机、网络工程、软件工程、信息技术等相关专业优先，有1-3年现场运维/运维开发相关工作经验；
2. 精通Linux系统常用命令、系统权限管理、进程管理、磁盘与网络排查等服务器全流程日常运维操作，可独立处理服务器底层故障；
3. 熟练掌握Docker、Docker Compose容器编排、镜像制作、容器启停、网络与存储配置、容器故障排查等容器全生命周期管理能力；
4. 必备技能：熟练掌握Python编程语言，能够独立使用Python编写自动化运维脚本、日志分析脚本、批量运维工具、接口调用脚本，熟悉os、subprocess、requests、logging等常用运维相关库；
5. 必备认知：了解大模型基础理论知识，熟悉大模型部署基本流程、GPU算力适配要求、大模型推理服务运行逻辑，了解大模型常见运维痛点及基础优化方案；
工作说明
1. 岗位定位：本岗位不属于纯研发开发岗，也区别于传统纯现场运维岗，属于现场运维+轻量化运营开发复合型岗位，核心工作为现场系统部署、AI平台运维、项目实施交付，辅以Python脚本自动化开发，简化人工运维工作量；
2. 核心能力要求：重中之重为Linux实操能力、现场应急排障能力，同时必须具备Python代码编写能力与大模型基础认知，二者为岗位入职必备条件；
3. 工作模式说明：根据项目上线、验收、重大升级节点，会安排封闭式集中工作，单次封闭周期一般为2-5天，封闭期间全程驻场值守，保障系统零故障上线；
4. 工作节奏说明：项目实施期现场工作节奏紧凑，需高频完成环境配置、版本发布、故障处理、巡检值守、自动化脚本迭代等工作；项目平稳运行期以日常监控、例行维护、工具优化为主；
5. 工作产出要求：除日常运维保障外，需持续通过Python脚本优化现有运维流程，降低人工操作失误率；同步积累大模型运维故障案例，完善现场AI平台运维标准流程。