Replit 是一个协作式软件创作平台，让人们能够在任何地点、使用任何设备构建和分享应用程序。其多人协作环境支持实时团队合作，由人工智能驱动的代码生成功能可帮助用户将想法转化为可运行的代码，并简化开发流程。公司专注于人工智能与 B2B 软件的交汇领域，致力于为共同创建软件的开发者和团队提供产品。
工程经理，网站可靠性工程 — Replit，福斯特城（混合办公）
负责 Replit AI 驱动软件创建平台的网站可靠性工程职能。推动可观测性、事故响应、性能、负载测试和安全生产发布。
描述
- 负责可观测性、事故管理、负载测试、性能工程、云成本与容量以及发布基础设施等 SRE 工作
- 管理并扩展一支成熟团队，负责跨越应用与基础设施边界的生产平台
- 开发并运行指标、日志、追踪和告警系统
- 帮助团队制定有意义的服务级目标（SLO），利用生产遥测数据调查问题并确认改进成效
- 负责事故工具和响应实践，协调跨职能恢复工作，并将事故后发现转化为工程改进
- 开发和维护负载测试与故障测试能力
- 根据预期需求测试关键路径，衡量容量余量，并与服务负责人评估恢复能力和生产就绪度
- 重点推进 SLO 和端到端系统性能工作
- 使用性能剖析、遥测数据和负载测试定位瓶颈，并与服务负责人交付改进
- 审查设计和生产变更，排查复杂故障模式，并使用 AI 编程工具进行原型设计和自动化
- 指导工程师，培养技术负责人，管理绩效，并根据已确定的团队需求招聘人员
- 建立高效的分布式协作、指导和备份覆盖实践
- 监控发布安全性、恢复时间、重复发生的事故、关键路径延迟与吞吐量、测试覆盖率以及成本和容量改进
- 与合作团队定义成功衡量标准和持续负责机制
任职要求
- 具备经过验证的工程管理经验，包括培养工程师、确定优先级、作出绩效决策、审慎招聘以及通过团队交付成果
- 具备构建和运营分布式系统或可靠性平台的经验
- 能够综合分析部署行为、Kubernetes、遥测数据、服务依赖关系和恢复机制
- 具备领导高影响力迁移项目或事故响应的经验
- 具备使用度量数据调查可靠性或性能问题，并在接近真实的条件下验证修复方案的经验
- 能够创建并推动其他团队采用相关能力
- 能够领导亲自参与的技术工作，同时不接管每项服务的日常运营
- 能够平衡可靠性、性能、工程投入和成本
- 具备 GitOps 或渐进式交付平台（如 Harness、ArgoCD 或 Kargo）经验者优先
- 具备可观测性、性能剖析、负载测试和故障测试系统经验，包括 OpenTelemetry 或同类工具经验者优先
- 具备云成本归因、容量规划和云服务商协调经验，尤其是 GCP 经验者优先
- 具备发展分布式团队并在维护生产安全措施的同时使用 AI 工具的经验者优先
- 能够每周三天在加利福尼亚州福斯特城总部工作，或愿意搬迁
- 拥有在美国工作的合法授权
- 年满 18 周岁
福利待遇
- 具有竞争力的薪资和股权
- 美国 401(k) 计划，提供 4% 匹配缴纳
- 医疗、牙科、视力和人寿保险
- 短期和长期伤残保险
- 带薪育儿、医疗和照护假
- 灵活休假及节假日
- 为美国办公室员工提供通勤福利
- 每月健康津贴
- 自主的工作环境
- 为办公室员工提供办公设备设置报销
- 季度团队聚会
- 办公室设施