关于此职位
作为一家开创性AI公司的技术支持工程师，您将成为支持客户使用Together AI构建训练、微调和推理解决方案的第一道防线。您将深入研究复杂的技术挑战，提供快速有效的解决方案，同时担任产品专家。作为客户体验团队的一员，您将与产品和销售团队紧密合作，推动我们产品持续改进。这对于一个对AI和客户成功充满热情的技术专业人士来说，是一个在快节奏、创新环境中产生重大影响的大好机会。
工作时间
- 这是一个全职职位，工作时间为美国白天时间。该职位需要在周六和周日以及另外两个工作日工作。
- 这是一个4天班制，每天工作10小时，周六和周日还需要额外2小时的待命时间。
- 该职位在最初的几个月内会先作为周一至周五的工作，以便于学习和向团队成员请教。在被认为是完全上手后，该职位将转为4天周末班制。
职责
- 直接与客户互动，解决涉及我们尖端Kubernetes GPU集群的复杂技术挑战；确保每次都能提供快速有效的解决方案。
- 担任面向客户的SRE，确保客户的Kubernetes集群保持健康和稳定。
- 成为我们GPU集群服务的专家，作为技术防御的最后一道防线，在问题升级到工程和产品团队之前进行处理。
- 监控GPU集群的健康状况，并主动向客户传达硬件问题（热节流、BMC故障、缺少GPU以及NVLink/InfiniBand性能下降），并提供明确的补救步骤。
- 操作和维护企业GPU客户的生成基础设施，包括集群重新平衡、Slurm集群维护、节点修复/迁移以及基于Kubernetes的工作负载管理。
- 调查并解决存储和网络问题，如Weka文件系统性能下降、InfiniBand链路故障以及裸机和VM环境中的带宽异常。
- 与工程、研究和产品团队无缝协作，解决客户问题；与内部和外部的高级领导协作，确保最高水平的客户满意度。
- 将客户洞察转化为行动，通过识别支持案例中的模式，与工程和上市团队合作，推动Together的发展路线图（例如，未来要支持的模型）。
- 维护系统配置、程序、故障排除指南和常见问题解答的详细文档，以便与团队和客户共享知识。
- 根据业务需求灵活提供假期、夜间和周末的支持覆盖，以确保为我们的客户提供持续可靠的服务。
要求
- 3年以上