Portugal
ambi.
ambi.
SRE - Senior Site Reliability Engineer
Portugal
Lisbon, Portugal
TypeScriptPythonGCPDockerKubernetesTerraform
Automatische Übersetzung. Prüfe das Original.
DIE ROLLE
Helfen Sie mit, KI-Agenten zuverlässig genug für geschäftskritische Workflows zu machen.
Unsere Plattform ermöglicht es KI-Agenten, komplexe Kunden-Workflows durch Schlussfolgerung und umfangreiche Toolnutzung auszuführen. Als Senior Site Reliability Engineer gestalten Sie, wie wir diese Systeme bauen, beobachten, veröffentlichen und betreiben – und helfen, das Vertrauen der Kunden zu gewinnen, die auf sie angewiesen sind.
Dies ist eine praxisorientierte Ingenieurrolle mit der Möglichkeit, unsere Zuverlässigkeitspraxis aufzubauen und weiterzuentwickeln. Sie arbeiten teamübergreifend mit Infrastruktur- und Anwendungsteams zusammen und verbessern die Grundlagen, die es Ingenieuren ermöglichen, schnell und sicher zu liefern.
Sie werden zwei miteinander verbundene Herausforderungen bewältigen: die Zuverlässigkeit einer sich schnell entwickelnden Entwicklungsumgebung aufrechtzuerhalten, während KI die Codebereitstellung beschleunigt, und das Verhalten von Agenten in der Produktion zu verstehen. Das bedeutet, Fehler frühzeitig zu erkennen, unerwartetes Verhalten zu untersuchen und zu identifizieren, was die Latenz über komplexe Workflows hinweg verursacht.
WAS SIE ERWARTET
Sie helfen beim Aufbau der Zuverlässigkeitspraxis mit der Autonomie und Verantwortung, die Arbeitsweise der Entwicklungsteams zu beeinflussen. Die Rolle eignet sich für jemanden, der gerne Code schreibt, Systeme verbessert und operative Herausforderungen strukturiert angeht.
Ihr Hauptaugenmerk liegt auf der Zuverlässigkeit, Sicherheit und Bedienbarkeit der Plattform und ihrer Agenten. Sie arbeiten eng mit den Teams zusammen, die KI-Fähigkeiten und kundenorientierte Funktionen entwickeln.
WAS SIE TUN WERDEN *
- Gestalten Sie unsere Zuverlässigkeitsgrundlagen. Entwickeln Sie unsere Infrastruktur-, Beobachtungs- und Release-Prozesse weiter, um schnelle Entwicklung und zuverlässige Produktionssysteme zu unterstützen. *
- Machen Sie das Verhalten von Agenten sichtbar. Erstellen Sie Telemetrie, die Teams hilft, die Workflow-Ausführung zu verstehen, fehlverhaltene Agenten zu erkennen und Fehler und Latenz zu untersuchen. *
- Verbessern Sie Erkennung und Wiederherstellung. Erstellen Sie umsetzbare Überwachungs-, Alarm- und Diagnosewerkzeuge, damit Bereitschaftsingenieure die Kundenbelastung bewerten und Vorfälle schnell beheben können. *
- Leiten Sie die Reaktion auf Vorfälle und die Nachbereitung. Koordinieren Sie strukturierte Reaktionen, untersuchen Sie Ursachen und arbeiten Sie mit Entwicklungsteams zusammen, um Maßnahmen nach dem Vorfall zu liefern, die eine Wiederholung verhindern. *
- Bauen Sie sichere Infrastruktur. Stärken Sie die Mandantenisolierung, die sandboxed Ausführung, die Verwaltung von Verschlüsselungsschlüsseln und den Netzwerkschutz für Unternehmens-Workloads. *
- Automatisieren Sie operative Arbeiten. Verbessern Sie Infrastructure as Code, CI/CD und Container-Orchestrierung, um repetitive Arbeiten zu reduzieren und Änderungen sicherer zu machen. *
- Übernehmen Sie die Verantwortung für Zuverlässigkeitsverbesserungen von Anfang bis Ende. Identifizieren Sie Prioritäten, schlagen Sie Lösungen vor, setzen Sie sie in der Produktion um und messen Sie ihre Auswirkungen. *
- Treffen Sie pragmatische Kompromisse. Balancieren Sie Zuverlässigkeit, Sicherheit, Liefergeschwindigkeit und betriebliche Komplexität, auch während Vorfällen, wenn Informationen unvollständig sind.
WAS SIE MITBRINGEN
Wir bewerten Kandidaten anhand der folgenden Kernkompetenzen: *
- Produktionserfahrung mit verteilten Systemen. Sie haben Systeme in großem Maßstab entworfen und betrieben und verstehen Ausfallmodi, Kapazitätsplanung und die Kompromisse zwischen Konsistenz, Verfügbarkeit und Latenz. *
- Starke Fähigkeiten in den Bereichen Beobachtbarkeit und Reaktion auf Vorfälle. Sie erstellen Überwachungssysteme, die aussagekräftige Probleme aufzeigen, leiten methodische Untersuchungen und wandeln Vorfälle in dauerhafte Verbesserungen um. *
- Ein sicherheitsorientiertes Engineering-Mindset. Sie können sensible Daten, Zugriffsgrenzen, Verschlüsselung und Workload-Isolierung analysieren und diese Bedenken in praktische Infrastrukturkontrollen umsetzen. *
- Erfahrung mit Infrastrukturautomatisierung. Sie haben Infrastructure as Code, CI/CD-Pipelines und Container-Orchestrierung in der Produktion eingesetzt. Sie wissen, wann Sie automatisieren und wann ein klarer, getesteter Runbook das richtige Werkzeug ist. *
- Praktische Eigenverantwortung. Sie übernehmen Projekte von der Problemidentifizierung bis zur Bereitstellung und dem laufenden Betrieb und arbeiten teamübergreifend zusammen, um messbare Ergebnisse zu erzielen. *
- Solides technisches Urteilsvermögen. Sie können die wichtigsten Arbeiten priorisieren, Kompromisse klar erläutern und unter Druck fundierte Entscheidungen treffen.
ERFAHRUNG, DIE HILFREICH WÄRE
Dies sind nützliche Ergänzungen, keine zwingenden Voraussetzungen: *
- GCP, Kubernetes oder vergleichbare Cloud-native Infrastrukturen. *
- Sandboxed Ausführungsumgebungen und Multi-Tenant-Workload-Isolierung. *
- KI/ML-Systeme in der Produktion, insbesondere die Zuverlässigkeitsherausforderungen von LLM-basierten Anwendungen. *
- Produktentwicklung mit Verständnis für Anwendungsentwicklung und die Entwicklererfahrung.
UNSER TECH STACK *
- Cloud: GCP—Cloud Run, GKE und GCS *
- Infrastruktur: Terraform und Docker *
- Observability: Datadog *
- Services: TypeScript und Python *
- Daten: Postgres und Redis
Sie werden Anwendungscode lesen und gelegentlich ändern, um Probleme zu diagnostizieren und die Zuverlässigkeit zu verbessern. Tiefgreifende Kenntnisse in TypeScript und Python sind nicht erforderlich.
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen