广州德捷科技 ps 招聘（工资待遇要求）

AIOps 工程师（LLM平台 / AI系统运维）
一、岗位职责
1.负责公司 AI Agent 与大模型应用系统的运维与稳定性建设，保障系统在生产环境中的高可用与高性能运行。
2.构建和优化 AI系统监控与可观测体系，包括日志、指标与链路追踪，实现对模型调用、RAG流程及外部接口的全链路监控。
3.设计并实现 LLM调用性能优化策略，包括缓存机制、异步队列、负载均衡及请求调度等，提升系统响应效率。
4.建立 Token 使用监控与成本控制机制，通过数据分析和策略优化降低模型调用成本。
5.构建 AI系统自动化测试与评估流程（Eval Pipeline），在版本发布前对 Prompt、RAG 及模型策略进行验证。
6.搭建 AI系统 CI/CD 流水线，支持 Prompt、Agent工具和相关配置的持续集成与自动部署。
7.参与 AI平台的 安全与权限管理，包括密钥管理、终端访问控制及敏感数据处理等。
8.排查和解决 AI系统运行中的性能问题与异常问题，持续提升系统稳定性与可维护性。

二、任职要求
1.本科及以上学历，计算机、软件工程或相关专业优先。
2.2 年及以上 DevOps / SRE / 平台运维经验，具备高可用系统运维经验。
3.熟悉 云平台环境（如 Azure、AWS 或 GCP），具备云原生系统运维经验。
4.熟悉 系统监控与可观测技术，如 Prometheus、Grafana、ELK、OpenTelemetry 等。
5.熟练掌握 Python 或其他脚本语言，能够开发自动化运维工具和数据分析脚本。
6.了解 分布式系统架构，熟悉 API 网关、负载均衡、重试机制、熔断与降级策略等设计。
7.具备良好的问题分析能力，能够快速定位复杂系统中的性能瓶颈与故障原因。
8.对 AI系统运维与大模型应用平台（LLMOps / AIOps）有兴趣，愿意持续学习相关技术。

三、加分项
具备以下经验之一者优先：
1.有 LLM应用系统运维经验或 AI平台运维经验
2.熟悉RAG系统、向量数据库或 AI应用架构
3.有 CI/CD 自动化流水线建设经验（GitHub Actions / Azure DevOps 等）
4.有 高并发 API 系统运维经验
5.熟悉 Infrastructure as Code（Terraform / Bicep 等）
6.有 AI模型评估或自动化测试体系建设经验

四、技术环境（参考）
云平台：Azure AI / Azure Monit/ Log Analytics
可观测体系：Application Insights、OpenTelemetry
自动化与 CI/CD：Azure DevOps、GitHub Actions
运维自动化：Python 脚本
LLMOps 工具：Prompt Flow Evaluation、MLflow

五、岗位特点
1.参与构建 企业级 AI 系统稳定性与运维体系
2.深度参与 LLM 应用平台的工程化落地
3.在真实业务场景中推动 AI系统性能优化与成本控制

你可以这样理解这个岗位：
一、我们要解决的问题
AI Agent 部署完成后，真正的挑战才刚刚开始。我们要把 AI 从“昂贵且难以预测”，变成：
• 成本可控（Token 每一分钱都花在刀刃上）
• 性能稳定（拒绝 30 秒以上的加载转圈）
• 黑盒透明（每一行 AI 推理路径都清晰可见）
• 持续进化（Prompt 迭代不再靠“盲猜”） 的 工业级系统。
如果你厌倦了传统的服务器运维，想在 AI 时代定义“可观测性”的新标准，这里有你的战场。
二、你将面对的挑战
• 模型会变慢，你要设计缓存、异步队列和负载均衡。
• Token 会超支，你要建立精准的监控看板和预算熔断机制。
• AI 会胡言乱语，你要构建自动化测评（Eval）流水线，在发布前抓住它。
• 链路会断裂，你要从复杂的 RAG 和 API 调用中，秒级定位故障点。 这不是简单的脚本维护，而是链路工程 (Trace Engineering)。
三、你每天会做的事
• 编排： 利用 Azure DevOps / GitHub Actions 构建 Prompt 和工具的 CI/CD 流水线。
• 监控： 基于 Application Insights 和 OpenTelemetry，构建 Agent 全链路追踪看板。
• 调优： 实验不同的检索策略和模型分流方案，在延迟与质量之间找到*优平衡点。
• 测评： 设计自动化的评估集（Test Suite），让 AI 的每一次改动都有据可查。
• 安全： 管理 AI Foundry 的终结点安全、密钥轮转与敏感数据脱敏。
四、技术环境
• 全栈 Azure 监控： Azure Monitor, Log Analytics,
Application Insights。
• LLMOps 工具： Prompt Flow Evaluation, Azure AI
Project SDK, MLflow。
• 自动化： Infrastructure as Code (Bicep/Terraform),
Python 自动化脚本。
五、我们希望你具备的底色
• 2 年以上 DevOps 或 SRE 经验，管理过高并发或高可用的云端系统。
• 对“监控指标”有强迫症，能从异常波动中嗅出系统风险。
• Python 高手，能信手拈来地编写自动化工具，处理海量日志数据。
• 分布式思维，理解 API 网关、重试机制、熔断降级以及缓存一致性。
六、如果你做过这些，很可能会非常适合：
• 高并发 API 运维（处理过百万级调用量）。
• 金融/审计类系统的稳定性建设。
• 可观测性平台搭建（ELK, Prometheus, Grafana）。
• 自动化测试/流水线专家。
七、你能得到什么
• 掌握 2026 年*顶尖的 AIOps 体系（成为*批掌握 LLMOps 的运维专家）。
• 从“救火队员”成长为“AI 系统架构护航者”。
• 直接参与 AI 核心业务的发布决策，你手中的数据就是系统上线的准绳。
• 成就感： 看到系统在高频调用下依然稳如泰山，Token 成本持续下降。

如果你只是想部署几个模型试试，这里不适合你； 如果你想让 AI 在真实业务中“稳健奔跑”，欢迎你。