Portugal
ambi.
ambi.
SRE - Ingénieur(e) Fiabilité de Site Senior
Portugal
Lisbon, Portugal
TypeScriptPythonGCPDockerKubernetesTerraform
Traduction automatique. Consultez l’original.
LE RÔLE
Contribuez à rendre les agents IA suffisamment fiables pour exécuter des flux de travail critiques pour l'entreprise.
Notre plateforme permet aux agents IA d'exécuter des flux de travail clients complexes par le raisonnement et l'utilisation étendue d'outils. En tant qu'Ingénieur(e) Fiabilité de Site Senior, vous définirez la manière dont nous construisons, observons, publions et opérons ces systèmes, et aiderez à gagner la confiance des clients qui en dépendent.
Il s'agit d'un rôle d'ingénierie pratique avec la possibilité de construire et d'améliorer notre pratique de fiabilité. Vous travaillerez avec les équipes d'infrastructure et applicatives, en améliorant les fondations qui permettent aux ingénieurs de livrer rapidement et en toute sécurité.
Vous aborderez deux défis connectés : maintenir la fiabilité d'un environnement d'ingénierie en évolution rapide alors que l'IA accélère la livraison de code, et comprendre comment les agents se comportent en production. Cela signifie détecter les défaillances tôt, enquêter sur les comportements inattendus et identifier ce qui cause la latence dans des flux de travail complexes.
À QUOI S'ATTENDRE
Vous aiderez à construire la pratique de fiabilité, avec l'autonomie et la responsabilité d'influencer le travail des équipes d'ingénierie. Le rôle convient à quelqu'un qui aime écrire du code, améliorer les systèmes et apporter de la structure aux défis opérationnels.
Votre objectif principal sera la fiabilité, la sécurité et l'opérabilité de la plateforme et de ses agents. Vous travaillerez en étroite collaboration avec les équipes qui développent les capacités IA et les fonctionnalités destinées aux clients.
CE QUE VOUS FEREZ *
- Façonnez nos fondations de fiabilité. Évoluez notre infrastructure, notre observabilité et nos processus de publication pour supporter le développement rapide et des systèmes de production fiables. *
- Rendez le comportement des agents visible. Construisez une télémétrie qui aide les équipes à comprendre l'exécution des flux de travail, à repérer les agents mal comportés et à enquêter sur les défaillances et la latence. *
- Améliorez la détection et la récupération. Créez une surveillance actionnable, des alertes et des outils de diagnostic afin que les ingénieurs d'astreinte puissent évaluer l'impact client et atténuer rapidement les incidents. *
- Menez la réponse aux incidents et le suivi. Coordonnez des réponses structurées, enquêtez sur les causes profondes et travaillez avec les équipes d'ingénierie pour livrer des actions post-incident qui préviennent la récurrence. *
- Construisez une infrastructure sécurisée. Renforcez l'isolation des locataires, l'exécution en bac à sable, la gestion des clés de chiffrement et les protections réseau pour les charges de travail d'entreprise. *
- Automatisez le travail opérationnel. Améliorez l'infrastructure en tant que code, les pipelines CI/CD et l'orchestration de conteneurs pour réduire le travail répétitif et rendre les changements plus sûrs. *
- Prenez en charge les améliorations de fiabilité de bout en bout. Identifiez les priorités, proposez des solutions, déployez-les en production et mesurez leur impact. *
- Faites des compromis pragmatiques. Équilibrez la fiabilité, la sécurité, la vitesse de livraison et la complexité opérationnelle, y compris pendant les incidents lorsque les informations sont incomplètes.
CE QUE VOUS APPORTEREZ
Nous évaluerons les candidats sur la base des capacités fondamentales suivantes : *
- Expérience de production avec des systèmes distribués. Vous avez conçu et opéré des systèmes à grande échelle et comprenez les modes de défaillance, la planification de capacité et les compromis entre cohérence, disponibilité et latence. *
- Solides compétences en observabilité et en réponse aux incidents. Vous construisez une surveillance qui met en évidence des problèmes significatifs, menez des investigations méthodiques et transformez les incidents en améliorations durables. *
- Un état d'esprit d'ingénierie axé sur la sécurité. Vous pouvez raisonner sur les données sensibles, les limites d'accès, le chiffrement et l'isolation des charges de travail, et traduire ces préoccupations en contrôles d'infrastructure pratiques. *
- Expérience en automatisation de l'infrastructure. Vous avez utilisé l'infrastructure en tant que code, les pipelines CI/CD et l'orchestration de conteneurs en production. Vous savez quand automatiser et quand un runbook clair et testé est le bon outil. *
- Propriété pratique. Vous prenez en charge des projets depuis l'identification d'un problème jusqu'au déploiement et à l'opération continue, en collaborant avec les équipes pour obtenir des résultats mesurables. *
- Jugement d'ingénierie solide. Vous pouvez prioriser le travail le plus important, expliquer clairement les compromis et prendre des décisions réfléchies sous pression.
EXPÉRIENCE QUI POURRAIT ÊTRE UTILE
Ce sont des ajouts utiles, plutôt que des exigences : *
- GCP, Kubernetes ou infrastructure cloud-native comparable. *
- Environnements d'exécution en bac à sable et isolation des charges de travail multi-locataires. *
- Systèmes IA/ML en production, en particulier les défis de fiabilité des applications basées sur LLM. *
- Ingénierie produit, avec une compréhension du développement d'applications et de l'expérience développeur.
NOTRE STACK TECHNIQUE *
- Cloud : GCP—Cloud Run, GKE et GCS *
- Infrastructure : Terraform et Docker *
- Observabilité : Datadog *
- Services : TypeScript et Python *
- Données : Postgres et Redis
Vous lirez et modifierez occasionnellement le code applicatif pour diagnostiquer les problèmes et améliorer la fiabilité. Une expertise approfondie en TypeScript et Python n'est pas requise.
Plus d’opportunités avec un seul profil
Vous souhaitez accéder à plus de postes sans répéter tout le processus ? Créez votre profil pour être trouvé par les entreprises utilisant Nort.
Créer mon profil