平台工程师（模型定制方向）
岗位摘要
设计并构建 Together 的模型定制系统与基础设施，涵盖面向用户的功能与内部优化；参与平台可靠性改进，加入值班轮换机制，并持续完善事故响应流程；创建并改进用于部署、持续集成与可观测性的内部工具
岗位职责
- 设计并构建 Together 的模型定制系统与基础设施，涵盖面向用户的功能与内部优化
- 参与平台可靠性改进，加入值班轮换机制，并持续完善事故响应流程
- 创建并改进用于部署、持续集成与可观测性的内部工具
- 构建跨多个数据中心、支持高度异构硬件环境的作业编排平台
- 与开发内部服务的团队合作，共同设计这些服务并将其集成到 Together 构建的系统中
任职要求
- 3 年以上基础设施或生产服务后端组件的构建经验
- 具备设计、运维与排障生产级 Linux 环境和基于 Kubernetes 平台的丰富经验
- 扎实的软件工程背景，精通 Python 或 Go
- 熟悉基础设施自动化工具（Terraform、Ansible）、监控与可观测性技术栈（Prometheus、Grafana）以及 CI/CD 流水线（GitHub Actions、ArgoCD）
- 具备云环境（如 AWS、GCP、Azure）管理经验，有裸金属与云混合环境经验者优先
- 出色的沟通能力，愿意记录系统与流程，并能与技术背景各异的同事协作
- 能够胜任从集群运维、基础设施自动化到后端服务开发的全栈工作
- 加分项：具备大规模、高可靠性生产系统的开发经验
- 加分项：熟悉流水线编排框架（如 Kubeflow、Argo Workflows、Flyte）
- 加分项：有在 HPC 集群上管理 GPU 工作负载的经验，最好具备 NVIDIA 网络栈（如 NCCL、Mellanox 固件、GPUDirect RDMA）的实操经验
- 加分项：有 AI 训练或推理服务的部署经验
- 加分项：掌握网络基础知识，包括 TCP/IP、DNS、路由、负载均衡、TLS 及网络调试工具
- 加分项：维护或参与过开源项目