STN Incorporated 为企业和开发业务关键型软件、人工智能系统及机器人技术的团队提供托管 IT 与云基础设施服务。其服务包括专属 CPU 云、GPU One AI 基础设施、安全网络与存储，以及持续的云运维，并提供全天候人工支持和高可用性服务级别协议。公司还负责网络安全运营与事件响应、合规与风险管理、备份与恢复，以及技术采购和生命周期管理。STN 服务于 SaaS 公司、人工智能建设团队与模型开发者、机器人企业，以及包括医疗服务提供者在内的受监管机构，其基础设施旨在支持审计准备，并满足 SOC 2 Type II 和 HIPAA 等框架的要求。
资深平台可靠性工程师，Horizon AI
通过构建缓存、事件流、可观测性和弹性部署系统，扩展 Horizon AI 可靠的智能体平台。
描述
- 开发缓存层，避免智能体工具调用不必要地访问外部系统。
- 引入事件流，减少服务对同步 HTTP 调用链的依赖。
- 通过健康检查、熔断器、重试处理和可区分故障与性能降级的可观测性，增强智能体调度能力。
- 构建平台可观测性体系，包括服务级指标、跨服务追踪和可执行的告警。
- 协助迁移编排系统并开发基础设施即代码。
- 通过金丝雀部署、流量切换和可靠的回滚流程改进发布。
- 与首席工程师协作。
- 初期向首席 AI 官汇报，之后向高级工程经理汇报。
任职要求
- 具备生产环境分布式系统可靠性改进经验，包括缓存、队列、熔断、背压、超时和幂等性。
- 熟练使用 Python 和容器化环境。
- 具备 Kubernetes 或类似编排平台的实践经验。
- 具备事件流及其故障模式相关经验。
- 具备扎实的可观测性技能，包括指标和分布式追踪。
- 能够合理判断应针对症状而非原因设置告警。
- 有交付可靠性改进的业绩，并能提供可衡量的改进前后结果。
- 优先条件：具备持久化工作流编排经验。
- 优先条件：具备大规模运行蓝绿部署和金丝雀部署的经验。
- 优先条件：具备 Python 服务性能分析经验。
