阿里巴巴基础设施与稳定性工程-AIOps Agent 研发工程师-杭州

任职要求

● 2 年以上复杂系统开发经验，具备技术路线规划能力，能主导从需求分析、方案设计到工程落地的全流程；具备良好的系统架构思维，关注性能、质量、扩展性与前瞻性。
● 编程基础扎实，精通Python/Go/Java/Rust中至少一门语言，具备扎实的工程基础；熟悉分布式系统设计，包括缓存、消息队列、微服务治理等。
● 具备大模型（LLM）在复杂系统中的实际落地经验，并持续优化效果（如评估指标、反馈闭环），能评估 LLM 在风险场景中的可靠性、边界与误判风险（如 hallucination、误报/漏报）。
…

工作职责

主导集团稳定性领域核心系统的设计与开发，重点建设风险左移和故障事前检测能力，覆盖从变更前存量风险扫描、变更时自动检测到运行态防御的全链路风险治理体系，并结合 AI 大模型提升故障全生命周期各环节的智能化水平。

● 风险左移与事前检测体系建设：主导设计变更前存量风险扫描（如容量基线监控、静态代码质量扫描、依赖拓扑治理、隐性健康度巡检等）的技术方案，将风险发现从"事中排查和事后复盘"前移至"事前拦截"
● AI 驱动的风险检测引擎：基于大模型和 AI Agent 技术，建设智能化风险检测能力，包括但不限于：代码变更 Diff + AST 调用链的结构化风险分析、历史故障模式的向量化检索与自动匹配、SOP 完备性的 LLM 推理引擎等
● 风险检测数据底座建设：设计并落地风险检测所需的数据资产体系，打通变更上下文（Diff、配置值、发布计划）、服务依赖拓扑、容量基线、SOP 知识图谱等多源数据，解决"信息不可达"导致风险无法识别的核心瓶颈
● 故障诊断与快恢能力建设：通过历史故障结构化分析，沉淀故障排查、定位和恢复的标准 SOP，结合 AI 建设故障自动诊断与智能恢复能力，降低 MTTR

系统架构与工程卓越：持续优化系统高可用架构、性能调优、全链路监控与容灾预案，解决高并发、低延迟、高可靠性等复杂技术挑战