网易资深研发工程师（代码基础设施方向）
任职要求
1. 计算机科学、软件工程或相关专业本科及以上学历，3年及以上相关工作经验。 2. 具备扎实的静态程序分析（SCA）和动态程序分析（DCA）理论基础和丰富的实践经验；熟悉如 Clang/LLVM、Tree-sitter、AstGrep、Joern、Semgrep、WALA 或 Soot 等至少一种代码分析框架或工具。 3. 精通至少一种主流编程语言，如 Go、Python、Java 或 C++，具备扎实的编程功底、数据结构与算法基础，以及良好的编码规范。 4. 熟悉大语言模型（LLM）的基本原理，有利用 …
工作职责
1. 负责公司核心代码智能平台的设计、研发和维护，构建和维护大规模代码库的函数调用图谱、类继承关系、数据依赖等代码图谱（Code Base）。 2. 应用大语言模型（LLM）及其他 AI 技术，对代码图谱进行深度分析、理解和解读，开发代码自动摘要、智能问答、影响面分析等高级功能。 3. 负责代码智能平台的上层应用开发与 API 服务建设，赋能代码搜索、智能重构、精准测试、安全漏洞扫描等多个内部应用场景。 4. 追踪静态/动态程序分析、代码大模型（LLMs for Code）等前沿技术，并将其应用于平台和工具的持续创新与演进。 5. 与业务团队紧密合作，推动代码智能技术在公司研发流程中的落地和应用，提升整体研发效能。
阿里云CIO线交易计费平台，是阿里云业务中台系统的基石，是中台战略的核心阵地，由产商品、交易、优惠、计量计费、合同等多个核心业务平台组成，旨在提供简单可信赖的云服务交易平台，高效高质量地支持阿里云业务的全球化布局和创新性发展。 岗位职责： 技术方案设计 • 收集、识别、分析客户需求，并确定技术方案的目标、范围和交付成果 • 基于需求分析，进行技术可行性分析和方案评审，选择合适的技术选型、技术架构、数据架构和开发流程 技术实现 • 基于技术方案的拆解，按照任务目标和产出规范，完成任务/子任务的设计、编码开发和系统功能实现 • 对编码进行阶段性的讨论和CodeReview，并通过调试优化，推动代码成功部署 • 对开发中和部署后的程序进行必要的维护和迭代，包括值班oncall、升级工单处置、bug排查、问题诊断、产品体验改善、性能和成本优化等 基础服务开发 • 洞察和抽象团队内的共性技术需求并形成基础服务技术方案 • 通过技术框架、技术领域SDK、web组件库、技术知识库等可复用能力的建设，不断提升团队研发效率和质量 技术洞察与研究 • 通过行业会议、技术媒体、学术研究、友商交流等方式，收集领域内的最新技术信息，包括但不限于技术原理、技术优劣势、应用场景等 • 追踪并定期分析竞对产品的核心技术指标和发展方向 • 通过内外部渠道，了解并洞悉客户需求，并凝练形成对应的技术洞察 技术规划 • 基于业务需求和技术洞察，制定技术团队的中长期发展规划和技术路线图 • 体系性的设计各类配套规划，包括技术人员规划、技术基础设施规划、技术质量规划、技术安全规划等 项目管理 • 确定项目目标和范围，并拟定项目计划、预算和资源需求计划、项目风险评估、交付成果等 • 组建项目团队，明确项目各岗位职责和任务，配备必要的资源，并设计高效的协作机制 • 按项目计划进行落地实施，并对项目进度、数据、质量进行监控，确保项目保质保量实施 • 总结项目经验和教训，反馈项目成果和绩效，为之后的项目管理沉淀经验总结
1、负责国际电商AIGC能力（如文本、图像、视频生成）的后台系统架构设计与开发，支撑多场景AI应用服务； 2、负责提升视频素材生产能力，分析并复刻流行创意，进行创意洞察，建设优质素材库，结合Gen AI多模态数据生成，数据驱动优化视频投放的各个环节； 3、深度参与到AI Agent框架和应用研究、工程研发和产品设计等重要环节，与产品、设计等团队合作推动AI Agent产品落地； 4、通过调研和应用前沿的技术架构和先进实践，结合场景建设的研发基础设施，推动国际电商的AI产品快速发展。
1、负责研发效能平台（涵盖CI/CD、DevOps、自动化测试、效能度量等模块）的架构设计与核心开发 2、开发高可用、可扩展的分布式系统，支撑千级研发团队的协同与效能提升 3、设计实现研发工具链的集成方案（如对接Jira/GitLab/Jenkins等系统） 4、攻克研发效能领域的特有技术难题（如构建加速、测试环境治理、分布式流水线调度等） 5、推动平台稳定性建设，设计监控告警、故障自愈等可靠性保障机制 6、持续优化系统性能，解决海量代码仓库、千万级流水线执行等场景的技术挑战
我们正在寻找具备深厚技术功底、前瞻性视野和丰富实战经验的DevOps平台工程专家，加入我们致力于构建智能化研发基础设施的核心团队。在这里，你将主导下一代AI驱动的Devops平台与智能运维系统的设计与落地，推动软件研发流程向自动化、可观测性、自愈能力和数据驱动决策全面进化。 作为团队的技术骨干，你将： 1. 设计打造企业级智能化运维（AIOps）体系 基于Python、Go等语言，构建自动化运维工具链与平台化能力，实现基础设施即代码（IaC）；引入异常检测、根因分析、故障传播图谱等AI算法，提升系统可观测性与故障响应速度，推动运维从“被动响应”向“主动预防”转变。 2. 构建全链路智能监控与自愈系统 设计并落地覆盖应用、服务、资源的端到端监控体系，集成Prometheus、Grafana、ELK、OpenTelemetry等主流技术栈；结合时序预测（LSTM、Prophet）、无监督异常检测（Isolation Forest、One-Class SVM）等模型，实现性能瓶颈预警、自动诊断与部分场景的闭环自愈。 3. 推动MLOps与DevOps深度融合 主导机器学习模型训练流水线（ML Pipeline）与模型服务化（Model Serving）平台建设，设计模型版本管理、A/B测试、流量灰度、监控告警与快速回滚机制，支撑AI能力高效、稳定地规模化落地。