1. 负责MLOps/LLMOps平台研发流程体系搭建，包括模型全生命周期（数据准备→训练→微调→评测→部署→监控）的流程规范制定与服务规划；深度参与模型开发平台的模型服务化封装、API标准化及多租户能力落地，推动大模型训练-推理-迭代闭环的流程机制建设；
2. 开发MLOps/LLMOps工具链，包括自动化数据管线、训练任务编排与调度、模型版本管理与灰度发布、推理服务弹性扩缩容等，提升大模型研发迭代效率；重点攻关异构算力环境下训练任务调度、推理服务部署优化等工程难题，支撑多模型并行管理与资源动态调度需求；
3. 维护自动化流程稳定运行，建立流程监控与告警机制，解决流程运行中的异常问题；根据业务反馈持续优化工具链能力与流程效率，确保模型上线、迭代、运维全链路顺畅，保障自动化流程可用率达标；
4. 跟踪自动化流程运行效果与模型服务表现，推动MLOps/LLMOps经验沉淀与流程规范建设，促进共性工具能力复用，形成可复用的技术规范与最佳实践；
5. 推进MLOps/LLMOps关键技术在业务场景中的示范应用，形成可复制推广的大模型研发运营一体化解决方案。

1. 计算机、软件工程等相关专业硕士及以上学历，5年以上平台工程或DevOps/MLOps领域工作经验，其中至少2年LLMOps或大模型研发流程自动化建设经验，有支撑多领域模型训练/微调的工具链交付经历。
2. 深入理解模型全生命周期管理），精通MLOps/LLMOps平台架构设计，有模型服务化封装、API标准化及多租户能力落地的实操经验，能设计高可用、可扩展的研发运营一体化平台。
3. 熟练掌握自动化数据管线构建、训练任务编排与调度、模型版本管理与灰度发布、推理服务弹性扩缩容等核心工具链开发，精通Kubernetes及主流AI调度器（如Volcano），有异构算力环境下训练任务调度与推理部署优化的工程经验。
4. 深刻理解自动化流程的稳定性与可用性要求，掌握全链路监控与告警体系建设，能主动识别并解决流程瓶颈（如任务调度异常、资源分配失衡、服务降级等），保障训练与推理任务的高通量运行。
5. 极强的跨团队协作能力，能驱动算法、工程、产品等多方将MLOps/LLMOps方案高效落地；优秀的文档撰写与流程规范沉淀习惯，能用清晰的规范固化流程设计；良好的问题响应与应急处理能力，能快速恢复流程异常保障研发连续性。

青岛市 海尔生态园