武汉
职位详情
岗位职责
1、搭建AI运维平台核心架构，支持大模型训练与推理任务的资源调度及性能监控能力
2、基于Genkit框架开发AI工作流引擎，融合RAG增强技术与多模态数据处理功能
3、设计可观测性数据采集方案，集成OpenTelemetry实现对LLM推理过程的多维度指标追踪
4、优化分布式任务间通信机制，保障千卡规模集群的加速比不低于90%
5、开发智能故障预测组件，利用时序数据分析实现硬件异常的提前预警
6、构建高效对接矢量数据库（如Pinecone）的交互层，满足知识库实时检索需求
岗位要求
1、具备3年以上Go/Python开发经验，掌握Beego/Gin等框架的源码级定制与扩展
2、精通微服务治理机制，拥有生产环境中Kubernetes集群的实际运维经验
3、熟悉Genkit/Firebase等AI框架的集成开发，了解Dotprompt模板设计标准
4、有AI系统可观测性平台建设经验，熟练使用Prometheus与AlertManager构建监控告警体系
5、掌握大模型训练相关技术栈（如PyTorch分布式训练），具备通信效率优化能力
6、理解向量数据库工作原理，具备RAG场景下的工程落地实践经验
优先条件
1、参与过LLM训练集群运维系统的开发工作（如资源弹性调度、故障自愈等功能）
2、熟悉GPU监控关键指标（如显存占用率、SM利用率等）
3、有AI工作流可视化编排工具的实际开发经历
4、了解LangChain等大模型应用框架的监控集成方式
1、搭建AI运维平台核心架构，支持大模型训练与推理任务的资源调度及性能监控能力
2、基于Genkit框架开发AI工作流引擎，融合RAG增强技术与多模态数据处理功能
3、设计可观测性数据采集方案，集成OpenTelemetry实现对LLM推理过程的多维度指标追踪
4、优化分布式任务间通信机制，保障千卡规模集群的加速比不低于90%
5、开发智能故障预测组件，利用时序数据分析实现硬件异常的提前预警
6、构建高效对接矢量数据库（如Pinecone）的交互层，满足知识库实时检索需求
岗位要求
1、具备3年以上Go/Python开发经验，掌握Beego/Gin等框架的源码级定制与扩展
2、精通微服务治理机制，拥有生产环境中Kubernetes集群的实际运维经验
3、熟悉Genkit/Firebase等AI框架的集成开发，了解Dotprompt模板设计标准
4、有AI系统可观测性平台建设经验，熟练使用Prometheus与AlertManager构建监控告警体系
5、掌握大模型训练相关技术栈（如PyTorch分布式训练），具备通信效率优化能力
6、理解向量数据库工作原理，具备RAG场景下的工程落地实践经验
优先条件
1、参与过LLM训练集群运维系统的开发工作（如资源弹性调度、故障自愈等功能）
2、熟悉GPU监控关键指标（如显存占用率、SM利用率等）
3、有AI工作流可视化编排工具的实际开发经历
4、了解LangChain等大模型应用框架的监控集成方式
2026-09-27 13:37
IP属地：湖北武汉
职位福利
本科3-5年GolangJavaPython
浩鲸云计算科技股份有限公司
未融资 · 10000人以上
鱼泡安全保障
如遇到办证收费、刷单、传销、诱导买车等违规行为，请立即向鱼泡直聘投诉举报投诉举报 >
附近适合您的职位
1.5-3.5万/月
Python经验不限本科早九晚六弹性打卡双休五险一金线上面试留学生优先国内院校优先接受无前端经验/技能JavaC++C
武汉 江夏区
收藏职位
