职位类别：技术类 业务集团：阿里云 职位描述：1. 参与大模型推理系统的架构设计与开发，包括推理网关、请求调度、流量路由等核心模块的建设 2. 负责推理引擎（vLLM/SGLang等）的深度优化与定制化开发，提升推理吞吐与延迟表现 3. 参与PD分离（Prefill-Decode）架构的设计与开发，优化Prefill与Decode阶段的资源分配与协同调度 4. 负责KV Cache存储与管理系统开发，包括KV Cache迁移、共享、淘汰策略的设计与实现 5. 参与模型分发系统开发，支持大模型在多节点间的高效分发与加载 6. 基于线上监控与用户反馈，持续优化推理链路的性能、稳定性与成本效率 职位要求：1. 计算机相关专业，具有Golang、Python或C++开发经验 2. 熟悉vLLM、SGLang等开源推理引擎的架构与实现，了解Continuous Batching、PagedAttention等核心机制 3. 深入理解LLM推理场景下的请求调度策略，熟悉 KV Cache 管理、PD分离等前沿架构 4. 具备高性能系统开发经验，熟悉GPU编程（CUDA/Triton等）者优先 5. 具备复杂系统的设计与调试能力，能够系统性分析推理链路中的性能瓶颈 6. 良好的学习和自我驱动能力，具备良好的跨团队沟通协作能力 7. 积极拥抱AI辅助编程工具，善于利用AI提升开发效率与代码质量