公司简介
三态股份是一家致力于实现行业人工智能的创新型企业，总部位于深圳市南山区科技园，于2023年9月在中国深圳创业板IPO成功上市，股票代码301558。公司聚焦于SaaS软件服务、跨境电商和物流服务三个领域，业务单元包括：
- 人工智能实验室xLab: 三态的核心科技研发中心，致力于研发AI驱动的SaaS软件，如睿观ERiC，同时还为其他业务场景中的重要项目提供技术支持，专业的技术实力为三态赢得了国家高新技术企业、深圳市专精特新企业等荣誉称号。
- 跨境电商Guru100: 致力于在100个跨境电商场景中，通过知识图谱训练实现全球消费者和供应商产品的精准匹配，为消费者提供合适的产品和服务。截至2024年，三态在全球电商平台上开店数量超过7000家，每天的在售商品刊登超过1.5亿条，全球客户累计超过2亿，供应商超过5万。三态是广东省省级跨境电商企业。
- 跨境物流G168: 致力于实现全球7日达的目标，以提供给全球消费者更优质的购物体验。三态速递的跨境物流专线服务已覆盖北美、拉丁美洲、欧洲等30多个国家，日处理包裹能力超过50万个，注册会员超过10万家。作为深圳市的重点物流企业，我们不仅是Amazon、Walmart平台推荐物流服务商，也是AliExpress、eBay、Coupang、Allegro、Kaufland.de等国际主流电商平台认可的物流服务商。
三态凭借电商大数据的优势，集结了约200位优秀的数据科学家和IT工程师，在场景营销、知识产权风险预测、供应链优化、客服、AIGC和内部管理等多个领域开发出一系列创新的运营策略和产品。为进一步提升产品的精准度和实用性，三态与上海交通大学电子信息和电力工程学院、香港中文大学（深圳）等国内外顶尖科研机构建立合作，借助600多人的专业运营团队的不懈努力，在软件、电商和物流领域持续推动行业人工智能的发展和突破。
三态，致力于利用前沿技术赋能商业决策，为全球消费者和供应商创造更大价值，引领行业智能化变革的浪潮。
工作职责
大模型服务部署与优化
- 负责大模型推理服务的部署、配置、更新和扩展，支持 PyTorch/Transformers/Triton 等框架的服务上线。
- 进行 GPU 资源管理与调度，支持多用户多模型资源隔离、抢占等策略。
- 针对大模型运行过程中的延迟、OOM 等性能问题进行定位与优化。
CI/CD 平台与自动化运维
- 搭建和维护 CI/CD 流水线（如 Kubernetes + Jenkins + GitLab），支持多环境（开发、测试、生产）自动部署。
- 编写和维护运维自动化脚本（如 Bash、Python、Ansible），减少重复性工作。
- 实现一键部署/回滚、服务热更新、版本控制等自动化能力。
云资源与环境管理
- 管理云计算平台（火山云、阿里云、GCP 等）上的实例、网络、安全组、白名单、存储等。
- 设计合理的资源分配策略，按需调整 CPU/GPU/内存等资源，降低成本提升利用率。
- 熟悉云上 GPU 实例的管理与弹性伸缩策略。
服务监控与日志系统建设
- 部署和维护 Prometheus + Grafana、Loki+Alloy 等监控与日志平台。
- 配置服务状态监控、资源指标监控、告警规则，支持邮件/飞书/钉钉告警。
- 定期检查服务运行状况，进行容量评估和可用性分析。
系统稳定性与安全保障
- 管理 Nginx、负载均衡、防火墙等关键网络组件，保障高可用性与安全。
- 定期进行安全加固、权限管理、漏洞扫描与修复，保障数据与系统安全。
- 支持 HTTPS/SSL 证书配置、接口限流、安全审计等能力建设。
技术文档与团队支持
- 编写部署手册、运维操作手册、故障排查指南等技术文档。
- 向研发提供部署环境、接口接入、模型上线等相关支持与协助。
任职资格
1. 教育背景：
- 计算机科学、信息技术或相关领域的本科及以上学历。
2. 工作经验：
- 至少3年以上运维工程师相关工作经验，有大规模分布式微服务系统运维经验者优先。
- 有大模型部署和运维经验者优先。
3. 技术技能（必须）：
操作系统管理：
- 熟练操作 Linux（推荐 Ubuntu / CentOS），了解 systemd 服务管理、crontab 定时任务、日志分析（journalctl / dmesg / top）等。
- 能够排查系统资源异常，如 CPU 占用高、内存泄漏、磁盘空间不足等问题。
编程与自动化：
- 能熟练编写 Shell 脚本实现自动化部署、服务启动、健康检查等。
- 能用 Python 编写运维工具，如自动重启、日志收集、Prometheus exporter 等简单脚本。
容器与镜像管理：
- 熟悉 Docker 命令及原理，能够构建优化镜像（多阶段构建、清理无用依赖等）。
- 能通过 Docker Compose 编排多服务环境，了解 Dockerfile 编写及最佳实践。
Kubernetes 容器编排：
- 熟悉 K8s 基本组件（Deployment、Service、Ingress、ConfigMap、Secret、Volume 等）与使用方法。
- 能使用 kubectl 命令排查 Pod 状态、调度失败、资源不足等问题。
- 能部署 GPU 服务，理解 nvidia.com/gpu 资源调度、资源限制、Affinity、Tolerations 配置。
CI/CD 平台使用：
- 能熟练配置 Jenkins Pipeline 或 GitLab CI，用于构建镜像、自动部署、灰度发布等流程。
- 熟悉 webhook、构建触发机制，支持环境变量配置、分支策略控制发布流程。
云平台（IaaS）操作：
- 熟悉火山云 / 阿里云 / Google Cloud 控制台和 CLI 工具，能完成实例创建、VPC 配置、安全组设置、白名单调整、弹性 IP 等操作。
- 熟悉 GPU 云主机管理，了解常见云平台对 GPU 的调度和计费策略。
GPU 服务运维：
- 熟悉 nvidia-smi、NVIDIA Container Toolkit、CUDA 驱动安装与兼容性排查。
- 能监控 GPU 显存占用、GPU 利用率，了解常见问题如 OOM、GPU idle 的排查方法。
监控系统部署与使用：
- 熟悉 Prometheus 架构，能配置 scrape 目标、exporter、Alertmanager 告警规则。
- 能通过 Grafana 配置可视化面板，包括系统资源监控、接口 QPS、推理时延等关键指标展示。
日志系统管理：
- 能部署并使用 ELK（Elasticsearch + Logstash + Kibana）或 Loki + Alloy + Grafana，实现日志采集、过滤、展示与查询。
- 熟悉日志级别（info/warning/error）、日志归档策略与日志告警设置。
网络配置与反向代理：
- 熟悉 Nginx 配置，包括 HTTPS、反向代理、负载均衡、限流、防盗链等。
- 能处理跨域、证书更新、转发 header、静态资源托管等常见运维问题。
模型推理部署理解：
- 理解大模型部署流程：模型文件存储、推理服务接口、启动参数设置（如 max tokens、batch size）、GPU 显存需求等。
- 熟悉基础服务如 Huggingface Transformers + FastAPI/Uvicorn 或 Triton 推理服务。
4. 软技能：
- 具备良好的问题分析和解决能力，能够快速定位和解决系统故障。
- 具备良好的沟通能力和团队合作精神，能够与开发团队紧密合作。
- 具备较强的学习能力，能够快速掌握新技术和工具。
5. 加分项：
- 有算法服务部署和优化经验者优先。
- 有大规模数据处理和高并发系统运维经验者优先。
- 有DevOps实践经验者优先，能推进自动化部署/自动化运维落地。
- 有Nvidia Triton、TesorRT加速推理部署经验者优先
- 有大模型推理服务优化经验者优先。
