Site reliability engineer in an AI series platform

ЧУБАККА; United States; Teletrabalho; USD 120 000 - 180 000; Tempo integral

Resumo da oferta

ЧУБАККА объявляет вакансию инженера SRE для поддержки и развития веб‑платформы Klyp.ai. Основные задачи — ежедневная эксплуатация через DevOps‑инструменты, админ‑панель и окружение AWS, контроль биллинга и хранение медиа, реагирование на инциденты и устранение их корневых причин.

Требуется 2+ года опыта, знания Linux, PostgreSQL, Kubernetes, Kafka, Terraform и GitLab CI. Позиция предполагает работу в продакшн‑среде с GitOps и тесным взаимодействием с командами разработки и биллинга.

Qualificações

• Продакшн-опыт эксплуатации: SRE/DevOps или сильная техподдержка 2-й/3-й линии.
• Контроль логов и метрик Kubernetes: поды, логи, ресурсы, рестарты, OOM, переменные окружения.
• Опыт работы с очередями и асинхронной обработкой: Kafka, ретраи, идемпотентность.
• Опыт интеграции внешних API: таймауты, лимиты, ретраи, вебхуки.
• Опыт работы с Terraform и CI/CD (GitLab CI).
• Аккуратность в проде: проверка и откат, минимальная бюрократия.
• Опыт работы с платежными системами и биллингом желателен.

Responsabilidades

• Ежедневная эксплуатация через внутреннее DevOps-приложение, админ-панель, Grafana/Loki, ArgoCD, AWS-консоли, Cloudflare и MongoDB Atlas.
• Разбор обращений поддержки: идентификация пользователя, анализ подписок, токенов и медиа; подготовка диагноза и передача команде.
• Мониторинг конвейера генераций: очереди, зависшие задачи, ретраи; идентификация места остановки и причины.
• Работа с сбоями внешних AI-провайдеров: деградации, таймауты, лимиты; доводить до решения.
• Контроль корректности биллинга: резервирование и списание токенов, возвраты, платежи через Stripe/ webhook.
• Бэкапы и восстановление: регулярная проверка работоспособности.
• Выполнение GitOps-выкаток и откатов, управление версиями между сервисами.
• Доступы, ротация секретов, VPN.

Conhecimentos

Linux

PostgreSQL

kubectl

Kafka

GitLab CI

Terraform

Python

Bash

AWS

Cloudflare

MongoDB

Ferramentas

Kubernetes

GitOps

CDC

AWS

Cloudflare

MongoDB

Descrição da oferta de emprego

Описание: Klyp — единая платформа для создания и просмотра AI‑сериалов: авторы создают сериалы с помощью генеративного AI, а зрители их смотрят.
Платформа работает под нагрузкой, с асинхронными процессами и большими объёмами данных и рассчитана на глобальный рынок.
Наша миссия — объединить авторов и зрителей, предоставив авторам лучший инструмент для генерации видео, а зрителям — максимально релевантные рекомендации.
Ищем SRE-инженера в klyp.ai — веб-приложение платформы, в котором автор проходит путь от идеи до готового эпизода: сценарий, сцены, генерация изображений, видео и озвучки, сборка и публикация.

Задачи:

• Ежедневная эксплуатация через административные инструменты: внутреннее DevOps-приложение, админ-панель, Grafana, Loki, ArgoCD, консоли AWS, Cloudflare и MongoDB Atlas
• Разбирать обращения поддержки: найти пользователя, посмотреть его подписку, токены, генерации и медиа, понять, где сломалось, и исправить или передать команде с готовым диагнозом
• Следить за конвейером генерации: зависшие и упавшие задачи, очереди, ретраи, сборка эпизодов; понимать, на каком шаге и почему остановилась генерация
• Работать со сбоями внешних AI‑провайдеров (генерация текста, изображений, видео, озвучки): деградация, таймауты, лимиты, ошибки на их стороне — вовремя замечать и доводить до решения
• Контролировать корректность биллинга: резервирование и списание токенов за генерации, возвраты при сбоях, подписки и оплаты через Stripe (вебхуки, сверка статусов)
• Следить за хранением медиа: загрузка и выдача файлов из Cloudflare R2, сроки хранения, очистка
• Мониторинг и алерты: реагировать на инциденты, доводить их до первопричины, убирать шумные алерты
• Выкатывать и откатывать сервисы по GitOps‑процессу, контролировать версии между сервисами
• Бэкапы и восстановление: регулярно проверять, что они реально работают, проводить учения
• Доступы, ротация секретов и токенов (включая ключи AI‑провайдеров и платёжных систем), VPN

Требования:

• От 2 лет опыта эксплуатации продакшна: SRE, DevOps или сильная техподдержка 2-й/3-й линии
• Уверенные Linux, SQL (PostgreSQL) и kubectl; умение читать логи и метрики Kubernetes на уровне диагностики: поды, логи, ресурсы, рестарты и OOM, переменные окружения, раскатки
• Понимание микросервисной архитектуры и асинхронной обработки: очереди, Kafka, ретраи, идемпотентность
• Опыт работы с внешними API: таймауты, лимиты, ретраи, вебхуки
• Базовое понимание Terraform и CI/CD (GitLab CI): читать и вносить небольшие правки
• Аккуратность с продом: сначала проверить, потом менять, и всегда оставлять план отката
• Не боишься продакшна и ответственности
• Доводишь проблему до первопричины, а не до «вроде заработало»
• Умеешь разобраться в сложной системе без полного контекста
• Смотришь на сбой глазами автора: что он потерял — время, токены, результат генерации
• Умеешь задавать правильные вопросы и понятно описывать диагноз для команды
• Будет плюсом: Опыт эксплуатации AI/LLM‑продуктов или сервисов, зависящих от внешних AI‑провайдеров; Опыт с платёжными системами (Stripe) и биллингом; Опыт с MongoDB; Опыт с Kafka и CDC; Опыт с Cloudflare (R2, Workers); Python или bash для скриптов; Умение использовать AI‑инструменты в работе (анализ логов, разбор инцидентов, скрипты и т.п.)

Условия:

• Инциденты разбираются до первопричины, а не закрываются рестартом
• Изменения в проде — через GitOps и ревью, с планом отката
• Решения обсуждаются, но не затягиваются
• Подробная документация по сервисам: спецификации, модели данных, события
• График 5/2, рабочий день 9 часов по московскому времени
• AI‑продукт, где за каждым действием автора стоит цепочка генераций у внешних провайдеров
• Весь генеративный стек в одном месте: текст, изображения, видео, озвучка
• Современный стек: Kubernetes, GitOps, Kafka, CDC, AWS, Cloudflare
• Минимум бюрократии
• Прямое влияние на продукт и опыт авторов