Linux-инженер (сопровождение on-premise AI-платформы)

Мы — группа IT-компаний Lad: 34 года помогаем бизнесу автоматизировать процессы и внедрять новые технологии, более 500 специалистов в команде. В 2025 году вошли в ТОП-100 работодателей России и заняли 1 место среди IT-компаний Нижегородской области.

Ladcraft — платформа автономных ИИ-агентов для бизнеса. Разворачивается на серверах заказчика в изолированной сети, без доступа в интернет, и работает в Kubernetes; часть инсталляций использует локальный инференс моделей на GPU. Ваша задача — обеспечивать стабильную работу этой инфраструктуры.

Чем предстоит заниматься:

• Анализировать логи и метрики заказчиков: системные логи, логи сервисов, дашборды Grafana, метрики Prometheus.
• Обновлять компоненты по инструкциям от команды разработки: пакеты, сервисы, бандлы.
• Готовить хосты к установке: базовая настройка ОС (Альт Сервер 10.4 / Debian / Ubuntu / Astra SE 1.7, 1.8), проверка ресурсов, сети и файловых систем.
• Настраивать и диагностировать GPU: доступность видеокарт, драйверы, распределение видеопамяти между LLM-моделями, контроль температур и загрузки.
• Разбирать инциденты в Kubernetes: падающие поды, нехватка ресурсов, OOMKill, CrashLoopBackOff, проблемы с Ingress, ConfigMaps, Secrets, PVC.
• Локализовать лёгкие и средние инциденты, применять типовые решения и эскалировать с полным контекстом: логи, метрики, шаги, гипотезы.
• Взаимодействовать с DevOps и разработкой, готовить репродукции проблем.
• Общаться с заказчиком в чатах и по почте: собирать данные по инциденту, согласовывать окна обновлений, отчитываться о результатах.
• Развертывать платформу в закрытых контурах.
• Первоначальная настройка контура.

Что мы ожидаем:

• Linux на уровне уверенного пользователя: процессы и нагрузка, службы, файловые системы и сетевые соединения.
• Уверенное владение Kubernetes: архитектура кластера, работа с kubectl, диагностика подов, понимание Ingress, Services, ConfigMaps, Secrets, PVC/StorageClass, ResourceQuota, HPA. Умение читать манифесты и понимать, что в них не так.
• Понимание сетей: TCP/UDP, DNS, MTU, базовая диагностика.
• Опыт работы с мониторингом: Prometheus, Grafana, Loki — чтение дашбордов, поиск аномалий.
• Понимание HTTP-кодов ошибок (502, 504) и их причин в инфраструктуре с прокси и балансировщиком.
• Базовый bash для простых скриптов диагностики.
• Понимание принципов systemd: unit-файлы, зависимости, статусы служб.
• Понимание работы локального инференса: видеопамять и требования моделей, диагностика нехватки видеопамяти, знакомство с утилитами мониторинга GPU.
• Умение самостоятельно выстраивать план диагностики: ОС → Kubernetes → приложение → сеть.
• Коммуникационные навыки: чётко формулировать вопросы, собирать нужные данные и объяснять статус и дальнейшие шаги инженерам и руководителям проектов заказчика.
• Готовность вовремя признавать незнание и эскалировать, спокойствие в инцидентах: сначала факты, потом действия.

Мы предлагаем:

• Официальное трудоустройство, полная занятость.
• Удалённый формат работы, в Нижнем Новгороде возможен гибрид.
• Гибкое начало рабочего дня (9:00–11:00 по МСК).
• Команда разработки и DevOps рядом: помогают, но ожидают самостоятельности в своей зоне.
• Обучение и развитие: Lad Универ, внешние тренинги и митапы, выстроенный онбординг, индивидуальный план развития.
• ДМС, чекапы, компенсация спорта.
• Оплачиваемый выходной в день рождения, магазин мерча.