岗位职责 负责混合云环境下 kubernetes 集群和云资源的日常运维,包括集群巡检、扩容、升级、资源治理、故障排查和稳定性保障. 负责算力平台的运行环境保障,支持大量 agent 任务在 cpu / 内存型资源池中稳定运行,处理任务调度、资源不足、容器异常、网络异常、存储异常等问题. 建设和维护监控、告警、日志和可观测体系,基于 prometheus、grafana、alertmanager、loki / elk 等工具提升问题发现、定位和复盘能力. 推进运维自动化和平台化建设,包括自动巡检、批量变更、资源回收、弹性伸缩、成本统计、故障自愈、标准化 runbook 等. 熟练使用 claude code、codex 等 ai agent 工具辅助完成运维脚本开发、配置生成、故障分析、代码 review、文档沉淀和自动化工具建设,同时建立安全、可控、可审计的 ai 辅助运维流程.

任职要求 熟悉 linux 系统和常见运维排障方法,能够独立分析 cpu、内存、磁盘、网络、进程、文件系统、dns、证书、权限等常见问题. 熟悉 kubernetes 基础对象和运维场景,理解 pod、deployment、statefulset、daemonset、service、ingress、configmap、secret、pv / pvc、namespace、rbac 等核心概念. 具备 kubernetes 故障排查能力,能够处理 pod pending、crashloopbackoff、imagepullbackoff、oomkilled、节点 notready、service 不通、coredns 异常、镜像拉取失败等问题. 熟悉至少一种公有云或私有云环境,了解云主机、vpc、子网、安全组、负载均衡、云盘、对象存储、弹性伸缩等基础云产品. 能够使用 shell / python / go 中至少一种语言编写自动化脚本,并愿意熟练使用 claude code、codex 等 ai agent 工具提升运维开发、排障分析和文档产出效率.