阿里巴巴基础设施与稳定性工程-Agent Infra工程师-中间件方向

作为技术负责人，主导集团 AI 基础设施与稳定性领域核心系统的设计与开发。围绕两大方向展开工作：AIOps 智能运维——建设风险左移、故障事前检测及智能诊断恢复能力；AI 可观测——设计面向 AI 全栈（大模型推理、Agent 编排、RAG 管线、工具调用链路）的可观测体系，让 AI 系统本身"可监控、可调试、可度量"。 1. AI 全栈 Tracing：设计并落地覆盖 LLM 推理、Agent 编排、Tool-use 调用的端到端 Trace 体系，兼容社区开放标准并参与 OpenTelemetry 标准的设计； 2. 质量与安全度量：建设 AI 系统的核心度量体系，包括但不限于 Agent 性能和任务完成率等，驱动 AI 系统的持续质量改进，并建设 AI 场景专属的异常检测与根因归因能力； 3. AIOps 智能运维：基于大模型和 AI Agent 技术，建设覆盖风险左移（存量风险扫描、代码变更结构化分析、依赖拓扑治理）、事前检测（历史故障模式匹配、SOP 完备性推理）、故障诊断与快恢的全链路智能运维能力，打通变更上下文、服务拓扑、容量基线、SOP 知识图谱等多源数据底座，降低 MTTR。

围绕软件工程过程，建设「让所有AlAgent产品可靠运行」的基础设施产品，定义Agent基础设施产品的全生命周期，设计让Agent“快、稳、准"的 底层产品体系，支撑数十万开发者在Al-Native时代的软件工程实践。 1.负责AgentInfra的产品规划，围绕产品分析、软件交付、可测试性、技术风险控制、协作效率、研发资产管理等定义关键产品能力。 2.以VibeCoding的方式利用AI工具，一体化传统PD、交互、前端角色，快速迭代验证产品思考并转化为产品力。 3.结合Al发展趋势，持续追踪先进的Agent产品及HarnessEngineering等工程实践演进，确保产品技术路线的先进性。 4.保持平台的开放性，服务于多样化的业务场景与Agent军团业态，放大作用域。 5.建立有效的产品跟踪体系，持续验证并优化产品对技术产能的实际贡献，形成完整的价值闭环。

围绕软件工程过程，建设「让所有AlAgent产品可靠运行」的基础设施产品，定义Agent基础设施产品的全生命周期，设计让Agent“快、稳、准"的 底层产品体系，支撑数十万开发者在Al-Native时代的软件工程实践。 1.负责AgentInfra的产品规划，围绕产品分析、软件交付、可测试性、技术风险控制、协作效率、研发资产管理等定义关键产品能力。 2.以VibeCoding的方式利用AI工具，一体化传统PD、交互、前端角色，快速迭代验证产品思考并转化为产品力。 3.结合Al发展趋势，持续追踪先进的Agent产品及HarnessEngineering等工程实践演进，确保产品技术路线的先进性。 4.保持平台的开放性，服务于多样化的业务场景与Agent军团业态，放大作用域。 5.建立有效的产品跟踪体系，持续验证并优化产品对技术产能的实际贡献，形成完整的价值闭环。

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