1. 主导设计与落地 端到端全链路可观测性平台（Metrics, Tracing, Logs），解决当前监控盲区和 MTTR 居高不下的问题。 2. 通过数据分析（SLO/SLI）驱动故障根因分析，并将故障经验沉淀为自动化应急预案（SOP）。 3. 推动 SRE 角色“左移”，参与核心系统的设计评审，确保架构设计满足弹性、任性以及可观测等可运维标准。 4. 通过工具和平台，减少团队 **Toil（琐事）**占比，提高整体自动化水平。 5. 协助建立并推行 SLO/Error Budget 机制，驱动外部依赖组件或服务（如缓存、中间件、算法）实现可靠性“自我负责、自我驱动”。 6. 设计和优化 统一故障指挥体系（ICS） 流程，消除跨团队协作壁垒，确保故障处理角色和责任清晰。

1、 全日制本科及以上学历，3年以上相关工作经验； 2、. 精通至少一种编程语言（如 Go, Python），具备开发运维平台工具链的实际经验； 3、 深入理解 分布式系统架构、微服务、高可用性、容灾和容量规划理论； 4.、熟悉主流 可观测性技术栈（如 Prometheus/Thanos, Grafana, ELK/Loki, OpenTelemetry/Jaeger 等）； 5.、具备良好的跨团队沟通、协调及文档撰写能力，能够推动技术标准和流程落地。