主分类：生产运维与可靠性工程
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "乌鸫科技-大模型训练推理技术支持工程师-GOC",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "乌鸫科技",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类-综合"AI生成
},
"company": {
"company_name": "阿里巴巴控股集团",
"company_industry": "电子商务 / 云计算 / 人工智能",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "阿里巴巴集团面向消费者和企业提供电子商务、云计算及人工智能服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "计算机及相关专业本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、负责阿里集团业务、大模型训练/推理平台、中间件及基础设施的故障全生命周期管理，覆盖故障预防、发现、响应、复盘闭环，推动稳定性目标与度量体系（SLI/SLO）设计及风险洞察运营。\n2、深入大模型训练与推理研发全周期，前置识别稳定性与运维风险；参与训练/推理架构评审（如 PD 分离、KV Cache 管理、多机推理等），推动可观测、容量、容灾及故障隔离能力建设，规范变更三板斧，建立强弱管控机制。\n3、作为业务团队协同枢纽，对内联动研发、测试、SRE、产品等角色推进重点目标，对外面向商业化前线 TAM 提供统一技术接口，降低对研发的资源消耗，为重保客户提供稳定性支持。\n4、负责双 11、618 等大促及大模型业务高峰期的稳定性保障，参与活动稳定性管理、应急协同及现场护航。\n5、负责集团稳定性机制与文化运营，制定并运营故障应急、变更管控、发布审批、应急演练等标准流程，沉淀 FAQ、Runbook、故障案例库，推动个人经验转化为组织资产。\n6、负责建设故障 AI 分析工具，设计故障标签体系、自动化打标、智能解析与深度解读，探索 AI 时代故障管理新范式。",
"requirements_text": "1、计算机及相关专业本科及以上学历，1 年以上互联网、云计算、AI Infra、MaaS 方向运维经验，熟悉 Java/C++/Python 等至少一门编程语言。\n2、具备复杂业务场景下流程优化、过程改进、高可用架构落地及组织稳定性意识提升的实战经验。\n3、逻辑清晰、思维全局，能提出有创造性的问题分析与解决方案。\n4、责任心强，事事有响应、有反馈、有跟进；沟通表达优秀，具备良好的团队合作与跨团队协同能力。\n5、学习自驱力强，持续关注新技术，能并行处理多任务，抗压能力强。\n6、有大模型训练/推理服务运维经验，或智能运维工具实践经验者优先。",
"skills": [AI生成
"Python",
"Java",
"C++",
"模型训练",
"团队协作",
"沟通表达",
"大语言模型"
],
"preferred_qualifications": "6、有大模型训练/推理服务运维经验，或智能运维工具实践经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100031460004"
}
]
},
"posting": {
"posting_id": "100031460004",
"post_date": "2026-08-11",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100031460004"
},
"fulltext": "乌鸫科技-大模型训练推理技术支持工程师-GOC\n乌鸫科技-大模型训练推理技术支持工程师-GOC\n\n基础信息\n职位类别：技术类-综合\n工作地点：杭州\n\n职位描述\n1、负责阿里集团业务、大模型训练/推理平台、中间件及基础设施的故障全生命周期管理，覆盖故障预防、发现、响应、复盘闭环，推动稳定性目标与度量体系（SLI/SLO）设计及风险洞察运营。\n2、深入大模型训练与推理研发全周期，前置识别稳定性与运维风险；参与训练/推理架构评审（如 PD 分离、KV Cache 管理、多机推理等），推动可观测、容量、容灾及故障隔离能力建设，规范变更三板斧，建立强弱管控机制。\n3、作为业务团队协同枢纽，对内联动研发、测试、SRE、产品等角色推进重点目标，对外面向商业化前线 TAM 提供统一技术接口，降低对研发的资源消耗，为重保客户提供稳定性支持。\n4、负责双 11、618 等大促及大模型业务高峰期的稳定性保障，参与活动稳定性管理、应急协同及现场护航。\n5、负责集团稳定性机制与文化运营，制定并运营故障应急、变更管控、发布审批、应急演练等标准流程，沉淀 FAQ、Runbook、故障案例库，推动个人经验转化为组织资产。\n6、负责建设故障 AI 分析工具，设计故障标签体系、自动化打标、智能解析与深度解读，探索 AI 时代故障管理新范式。\n\n职位要求\n1、计算机及相关专业本科及以上学历，1 年以上互联网、云计算、AI Infra、MaaS 方向运维经验，熟悉 Java/C++/Python 等至少一门编程语言。\n2、具备复杂业务场景下流程优化、过程改进、高可用架构落地及组织稳定性意识提升的实战经验。\n3、逻辑清晰、思维全局，能提出有创造性的问题分析与解决方案。\n4、责任心强，事事有响应、有反馈、有跟进；沟通表达优秀，具备良好的团队合作与跨团队协同能力。\n5、学习自驱力强，持续关注新技术，能并行处理多任务，抗压能力强。\n6、有大模型训练/推理服务运维经验，或智能运维工具实践经验者优先。\n1、负责阿里集团业务、大模型训练/推理平台、中间件及基础设施的故障全生命周期管理，覆盖故障预防、发现、响应、复盘闭环，推动稳定性目标与度量体系（SLI/SLO）设计及风险洞察运营。\n2、深入大模型训练与推理研发全周期，前置识别稳定性与运维风险；参与训练/推理架构评审（如 PD 分离、KV Cache 管理、多机推理等），推动可观测、容量、容灾及故障隔离能力建设，规范变更三板斧，建立强弱管控机制。\n3、作为业务团队协同枢纽，对内联动研发、测试、SRE、产品等角色推进重点目标，对外面向商业化前线 TAM 提供统一技术接口，降低对研发的资源消耗，为重保客户提供稳定性支持。\n4、负责双 11、618 等大促及大模型业务高峰期的稳定性保障，参与活动稳定性管理、应急协同及现场护航。\n5、负责集团稳定性机制与文化运营，制定并运营故障应急、变更管控、发布审批、应急演练等标准流程，沉淀 FAQ、Runbook、故障案例库，推动个人经验转化为组织资产。\n6、负责建设故障 AI 分析工具，设计故障标签体系、自动化打标、智能解析与深度解读，探索 AI 时代故障管理新范式。\n1、计算机及相关专业本科及以上学历，1 年以上互联网、云计算、AI Infra、MaaS 方向运维经验，熟悉 Java/C++/Python 等至少一门编程语言。\n2、具备复杂业务场景下流程优化、过程改进、高可用架构落地及组织稳定性意识提升的实战经验。\n3、逻辑清晰、思维全局，能提出有创造性的问题分析与解决方案。\n4、责任心强，事事有响应、有反馈、有跟进；沟通表达优秀，具备良好的团队合作与跨团队协同能力。\n5、学习自驱力强，持续关注新技术，能并行处理多任务，抗压能力强。\n6、有大模型训练/推理服务运维经验，或智能运维工具实践经验者优先。",
"standard_classification": {
"std_category_code": "T020",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}