腾讯智能运维AI Agent平台-资深软件开发工程师
任职要求
1.核心经验： 3年以上专业软件开发经验；计算机科学或相关技术领域的本科及以上学历； 2.编程能力： 精通至少一门现代编程语言（如 Go, Java, C++, Python），具备扎实的计算机科学基础和优秀的编码质量； 3.系统设计能力： 具备参与设计、开发复杂分布式系统的经验，对系统架构、设计模式、可扩展性与可靠性有深入理解； 4.AI 原生技术栈：对大语言模型（LLM）有深入理解，具备AI Agent、检索增强生成（RAG）、模型微调（Fine-tuning）或Prompt Engineering等一个或多个方向的扎实实践经验； 5…
工作职责
1.系统设计与研发： 负责设计、实现并运维支撑智能运维智能体平台的大规模、高可用分布式系统，处理PB级的实时日志&监控等数据； 2.核心功能开发： 端到端地负责AI Agent核心功能的研发，包括异常检测、根因分析、任务规划（Planning）及智能修复建议等模块，将前沿概念转化为可靠的线上服务； 3.算法工程化落地： 与算法科学家紧密合作，负责将前沿的大语言模型（LLM）及其他机器学习模型产品化，构建高效的数据处理管道、模型推理服务与反馈闭环； 4.技术战略与卓越工程： 参与制定团队的技术路线图，驱动软件工程、系统架构与运维卓越的最佳实践，持续提升系统的扩展性与鲁棒性； 5.技术攻坚与指导： 解决系统中最具挑战性的技术难题，并乐于指导团队其他工程师，共同营造追求技术卓越的工程师文化。
1. AI场景全链路落地：主导IT服务AI场景规划与落地，结合业务痛点设计解决方案，全程负责从需求到复盘的全流程，确保方案可落地、可迭代； 2. AIOps体系搭建：推动AIOps落地，整合多源运维数据，运用LLM、Transformer、AI Agent等技术实现智能运维，提升效率、降低成本； 3. IT服务门户与智能客服：负责智能服务门户开发，整合多模态交互；主导智能客服部署，实现智能咨询、流程引导等功能，优化用户体验； 4. 技术栈落地与优化：主导Openclaw、Claude Code等热门技术栈选型与落地，结合React搭建服务界面，兼顾稳定性与可扩展性； 5. 团队协同与能力建设：跨部门协同推进项目，解决核心技术难题，沉淀经验、输出规范，提升团队技术能力；关注行业前沿技术，结合企业需求引入创新方案，提升IT服务智能化水平。
1. 参与运维可观测链路建设： 1.1 建立并持续优化产品运维的监控机制，研发并维护相应的运维监控平台/工具； 1.2 建立并持续优化产品运维的预警机制，确保故障能够被快速发现、通报、定位及处理； 1.3 建立快速分析、诊断、定位问题能力，并能够协同开发人员分析解决问题。 2. 参与运维可自愈链路建设： 2.1 建立健全快速恢复服务机制，降低业务受损程度，确保产品、业务稳定运行； 2.2 建立故障注入机制，模拟生产故障场景，验证产品稳定性水位，提前发现系统能力短板。 3. 运维自动化体系建设： 3.1 建设本领域相关的运维体系，如变更标准、重保体系、客情预警等，确保本领域产品运维&稳定性能力提升； 3.2 建设稳定性能力的数据化体系，通过数据驱动方式持续治理稳定性风险； 3.3 建设网络质量自动化探测评估体系，并结合观测链路和自愈链路，自动化隔离网络抖动带来的服务影响。
基于意图的网络（Intent-Based Networking）管控和验证系统研发，具体职责包括： 1. 开发大模型驱动的自然语言转意图语言工具，降低网络策略学习与迭代成本； 2. 设计基于LLM的自动化网络变更方案生成系统，替代人工操作，减少错误风险； 3. 构建变更方案智能理解与风险预检工具，辅助运营团队提前规避故障；
1、负责产品的硬件设计交付，实现产品化，对产品端到端交付质量运维负责，辅助并督导上游ODM/OEM开展设计和质量运维保障工作； 2、对标业界标杆，引入先进质量运维管理方法，并制定相关产品的全流程质量运维管控方案并主导实施，开展供应商质量审核、质量体系评估、运维能力管理，确保改善措施的有效实施； 3、主导分析解决和预防重大产品质量运维问题，主导产品质量问题分析、定位及质量问题的处理与预防； 4、负责大规模服务器从交付到退役的全生命周期运维工作，包括新机型导入（NPI）、操作系统安装、维修、硬件监控、硬件重构、服务器管理等运维自动化系统架构、设计、研发，确保交付质量与效率满足SLA要求； 5、参与制定服务器可靠性标准及平台建设，负责风险应急处置，保障系统稳定性，提升业务的安全性与可持续性； 6、持续跟踪硬件相关领域的技术发展趋势，结合对阿里业务应用场景的深入分析，并推动相关技术的产品化实现。