AIOps Harness工程师 - 计算

团队介绍：字节跳动基础设施计算团队，专注构建面向大模型与 AI Agent 时代的 AI-Native Infra。我们从算力、系统到平台，围绕“AI 如何高效运行、持续进化、规模化落地”这一核心问题，重构计算基础设施。我们管理着数十万台服务器组成的超大规模集群，构建统一的异构算力调度与云原生运行体系；通过软硬协同与自研框架，持续突破大模型训练与推理的性能瓶颈；并进一步向上，打造企业级 AI Agent Infra，让 Agent 具备身份、权限、记忆、观测与治理能力，真正成为可运行在生产环境中的新型“应用形态”。
从云服务器、容器、函数，到 AI 网关、可观测与弹性体系，我们构建的是一个为 AI 而生、由 AI 驱动进化的基础设施平台，支撑集团核心业务与企业级客户的智能化升级。
如果你希望参与定义 AI 时代的 Infra 范式，而不仅是优化一个模块或服务——欢迎加入我们，一起构建下一代 AI 云原生基础设施。

1、负责AIOps工具链的设计与建设，围绕监控、告警、日志、链路追踪等运维数据，构建智能化的异常检测、根因定位与自动处置能力，提升复杂云原生系统的运维效率与稳定性；
2、参与Agent Harness的设计与构建，打造覆盖需求、编码、测试、发布、运行的完整AI Native SDLC链路，支撑研发团队以AI原生方式高效、高质量地交付软件；
3、参与建设EaaS Agent，搭建一键拉起环境能力，解决环境独立性问题，保障需求并发验证有效性；
4、建立Agent与AI服务的可观测性与稳定性保障体系，围绕任务成功率、推理延迟、资源利用率和成本等指标持续优化。

1、本科及以上学历，计算机、软件工程等相关专业；
2、具备良好的编程和工程实践能力，熟练掌握Python、Go等至少一种编程语言；
3、有Agent建设经验，熟悉LLM技术栈，了解Prompt工程、工具调用、RAG、Agent Eval、MCP等概念与工程实践；
4、具备复杂云原生场景排障经验，能够独立定位跨服务、跨基础设施的线上疑难问题，主导应急响应与故障复盘；
5、熟悉Linux、容器及Kubernetes技术体系，理解Deployment、Service、HPA、Operator等核心机制；
6、具备良好的团队协作和沟通能力，能够在跨团队协作中推动复杂问题落地解决。

加分项
1、具有AI Agent、AIOps、LLMOps平台或AI Native SDLC工具链从0到1建设经验；
2、具有IaC&GitOps规模化交付落地经验者最佳；
3、具有Kubernetes集群交付、Operator开发与生产落地经验；
4、具有线上复杂问题排障、应急响应与稳定性保障实战经验。