初级/高级/资深软件工程师，推理/计算基础设施工程
岗位摘要
构建资源供给状态机：设计并实现软件，把物理主机从发现、推理环境上线到GPU驱动与CUDA栈部署、健康校验、退役与RMA的完整生命周期建模为显式且带版本的状态与状态迁移；构建自助服务API：设计声明式API与控制平面，使推理团队通过一次API调用即可申请、扩缩和销毁推理集群，无需工单、无需人工介入
岗位职责
- 构建资源供给状态机：设计并实现软件，把物理主机从发现、推理环境上线到GPU驱动与CUDA栈部署、健康校验、退役与RMA的完整生命周期建模为显式且带版本的状态与状态迁移
- 构建自助服务API：设计声明式API与控制平面，使推理团队通过一次API调用即可申请、扩缩和销毁推理集群，无需工单、无需人工介入
- 实现自愈自动化：检测降级或故障节点，安全排空负载，触发修复或替换，并自动将健康容量重新纳入资源池
- 保障供给流水线可靠性：通过幂等性、重试、回滚与漂移检测，使供给系统具备与其他生产服务同等的可靠性
- 与推理及机器学习平台团队协作：理解其所需的集群形态——拓扑、互联、调度约束——并将其编码为平台中的一等抽象
- 以软件工程方式交付：对基础设施代码实施强类型、自动化测试、代码评审、版本管理与CI/CD，将其作为产品而非Ansible脚本集合来维护
任职要求
- 扎实的软件工程背景，精通Go、Python、Rust或类似语言，以编写并测试真实软件为职业
- 具备Temporal、Cadence或同类持久化工作流编排工具的经验，能够运行长期存在、清单驱动且可在故障后继续执行的工作流
- 具备构建软件控制平面或编排系统的经验，能够对状态建模并持续进行协调，例如Kubernetes控制器/Operator、自定义协调循环或工作流引擎
- 具备事件驱动系统的经验，能基于消息队列、事件流或发布/订阅（如Kafka、NATS、SQS）设计与构建软件，而非使用轮询或cron脚本
- 具备产品思维，曾构建供其他工程团队使用的内部平台或API，并关注所交付成果的开发者体验
- 认同“谁构建谁负责”，不仅负责交付软件，还负责其在生产环境中的运维与支持