AI基礎設施工程師

一、設計並維運Kubernetes多環境（dev/ staging/ prod）多服務部署管線，確保部署流程可重現、可回滾、可審計。

二、建立並維運可觀測性堆疊：metrics/ logs/ traces/ alert四層體系；依服務分層設計儀表板、告警規則與值班路由。

三、推動GitOps/ Infrastructure-as-Code實踐：環境變更走PR-based，涵蓋K8s manifest、容器設定、平台組態與secrets管理流程。

四、主導事件處理：on-call輪班、事件分級、即時mitigation、事後RCA/ postmortem撰寫，把每次事件轉化為runbook與監控規則。

五、建立並維運平台SLO/ SLI體系：可用性、延遲、錯誤率、成本等核心指標的定義、量測與守線。

六、整合雲端與地端算力：設計混合雲架構，讓工作負載可在公有雲與地端伺服器/ GPU叢集間彈性調度。

七、維運GPU主機與AI推理服務：GPU健康監測、driver/ firmware/ CUDA升級相容性、容器化推理服務部署與灰度發佈。

八、參與AI工作負載的效能工程：標準benchmark、推論延遲與throughput調校、容量規劃；隨著經驗累積逐步深入量化、KV cache、batching等領域。

九、推動FinOps：雲端與GPU資源利用率、token與外部API成本追蹤、預算告警與治理。

十、平台安全基線：secrets管理、RBAC、稽核日誌、合規修補。

十一、與AI平台/ 服務/ 視覺工程團隊共同設計可維運（operability-first）的服務介面：metrics/ logs/ traces契約、健康端點、優雅降級。