负责生产环境服务、应用系统、GPU服务器的全生命周期管理，包括部署、运维、优化及故障根因分析，参与智算中心GPU组网，支撑高算力业务场景需求。 主导K8s集群及业务系统运维架构、CI/CD体系优化，推动云原生、微服务升级。 完善全链路监控体系，建立智能告警，主导重大故障应急与复盘，落地故障管理SOP。 跟踪Aiops/agent、云原生领域前沿技术，结合公司业务场景进行技术选型与落地实践，持续完善K8s集群平台功能，推动团队运维智能化。 跨部门协作，对接研发、测试团队，优化流程提升交付效率。 DevOps/运维开发经验，公有云及K8s运维经验，有大规模服务器（含GPU）自动化运维经验。 了解AIOPS技术栈，有实际操作经验优先 熟悉Linux系统，熟悉网络协议，具备扎实的系统、网络、存储知识，能独立解决复杂故障。 熟悉K8s及相关生态圈，有大规模K8s实战经验；熟悉GPU运维，有高算力及AI调度经验者优先。 熟悉主流监控工具，能独立搭建全链路监控，具备监控优化及问题排查能力。 了解掌握Python、Shell、Golang中等运维开发语言，熟悉Ansible，有自动化脚本开发经验。 熟悉SRE方法论，具备优秀的故障排查、根因定位及复盘能力。 具备良好的沟通协作与管理能力，责任心强、能抗压，