锦鲤求职岗位描述
岗位职责：
1、监控系统架构设计：负责AI芯片（NPU）系统级带内监控软件的整体架构设计与开发，覆盖从设备驱动、内核态到用户态应用的全栈监控能力；
2、核心指标采集：开发数据采集Agent/服务，实现对NPU计算卡的核心运行指标实时采集，包括但不限于：GPU/NPU利用率、显存占用、温度、功耗、时钟频率等；
3、带内监控功能实现：通过Linux内核驱动、sysfs、ioctl、netlink等系统接口，实现设备状态管理、生命周期管理、健康监控等带内监控功能；
4、可观测性平台集成：将采集的监控数据接入Prometheus、Telegraf等主流监控系统，配合集群级可维可测平台，完善关键指标采集与可视化，构建自动化故障检测、定位与诊断能力；
5、运维与调试工具开发：开发和维护NPU配套的运维、调试工具（对标NVIDIA DCGM、nvidia-smi、NVML等）；
6、 全栈优化：覆盖用户态应用与设备驱动的全栈开发与优化，确保监控系统在大规模集群（万卡级） 下的低开销、高可用。
任职要求
1、学历专业：计算机、自动化、电子工程等相关专业本科及以上学历；
2、编程能力：熟练掌握 C/C++，熟悉Linux系统编程；具备Python/Go等一种或多种语言开发能力者优先；
3、Linux内核/驱动经验：熟悉Linux内核驱动开发流程，了解设备驱动模型、sysfs、procfs、ioctl等内核接口；
4、监控/可观测性经验：有监控软件、运维工具或调试工具的开发经验，熟悉Prometheus、Telegraf、DCGM/NVML等监控体系或类似组件；
5、NPU/GPU领域知识：有GPGPU/NPU芯片相关领域的工作经验，了解AI芯片的系统软件栈（Runtime、驱动、固件）；
6、系统问题分析能力：具备Linux系统问题分析调试经验，能够独立定位和解决监控系统相关故障。
加分项
1、有GPGPU/NPU监控软件、运维与调试工具开发的实战经验；
2、熟悉Redfish/IPMI等带外管理协议，了解带内与带外监控的协同工作模式；
3、有eBPF开发经验，熟悉通过eBPF跟踪内核态NPU驱动操作；
4、熟悉Kubernetes容器编排环境下的监控部署（DaemonSet、Helm等）；
5、了解RAS（可靠性、可用性与可服务性） 相关技术，如错误检测与恢复、日志监控、故障注入等。