在生成式 AI 爆发的时代，可观测性是支撑大规模 AI 算力（GPU）的“眼睛”和“神经系统”。我们正在构建支撑万级GPU节点、PB级数据的“全栈感知系统”。加入我们，你将不是只做简单的业务 CRUD，而是有机会深入操作系统内核、云原生（K8s）以及 AI 算力底层，亲手打造行业领先的 AI Infra 可观测性底座。 你将参与： 1. 统一采集器（LoongCollector）研发 · 参与高性能数据采集器（OneAgent）的核心代码开发与维护。你将学习如何在万级并发下，用 Golang/C++ 实现Log/Metric/Trace/Profiling的统一采集，并挑战极致的资源损耗控制（内存、CPU）。 · 参与底层异步 I/O、内存池管理的优化实践，锻炼扎实的编码能力。 2. K8s 原生可观测性 · 基于 client-go 和 Informer 机制，构建大规模集群的元数据索引，解决 Pod 频繁调度下的状态同步难题。 · 通过开发 Operator，实现采集器在动态算力环境下的自动化调度与自愈，深入理解 K8s 的声明式 API 设计哲学。 3. AI 算力全栈洞察（GPU/RDMA） · 深入研究 GPU、RDMA（远程直接内存访问）、高性能存储等核心资源，参与开发深度采集插件。 · 协助构建覆盖大模型训练（训练任务、数据加载、集合通信）全周期的性能指标体系，帮助算法团队定位训练慢、GPU 利用率低的问题。 4. eBPF 黑盒探测 · 利用 eBPF 这项革命性技术，无侵入地观测内核态事件。 · 尝试攻克 AI 分布式训练中的“黑盒”难题，如集合通信死锁、长连接网络抖动、跨节点通信瓶颈，真正实现对业务“零干扰”的深度观测。