系统可靠性工程师/远程

该全职职位位于软件工程与基础设施的交汇点，专注于构建健壮的系统、自动化操作，并在分布式架构中维护生产健康。您将与后端工程师紧密合作，从第一天起设计容错、可观测和可扩展的系统，负责平台稳定性、生产性能、部署可靠性及事件响应全过程。这是一个高自主性的SRE职位，您不仅在维护基础设施，还在塑造它。您将定义和维护服务级别指标和目标，将错误预算与合同SLA对齐，并领导事件响应、根本原因分析和事后复盘。可观测性堆栈是现代且全面的，利用Grafana、Prometheus、Tempo和Loki为您提供系统健康在所有环境中的完整可见性。CI/CD和部署自动化范围相当大，您将对云基础设施优化和成本效率有实际影响。这个职位特别吸引人之处在于平台的使命关键性质——当基础设施正常工作时，工程师可以更快地发布，部署是安全且可重复的，系统在负载下自动扩展。

5年以上SRE、DevOps或基础设施工程经验；熟悉Kubernetes、Docker和云平台（优先GCP）；深入理解分布式系统和网络；有构建CI/CD流水线和部署自动化经验；精通可观测性工具如Grafana、Prometheus、Tempo和Loki；有管理生产事件和可靠性流程（包括事后复盘）经验；具备强大的故障排查和系统思维技能；对微服务架构有深入了解；熟悉Go；熟悉服务网格如Istio；熟悉大规模PostgreSQL管理。