阿里巴巴构建基于AI模型和Agentic架构的智能自主化Kubernetes容器服务-阿里星
任职要求
1、计算机科学或相关专业背景，具备深厚的操作系统、分布式系统理论基础； 2、精通Go/C++/Rust中至少一种，具备大型、复杂底层系统或分布式调度系统的设计与开发经验； 3、熟悉Kubernetes架构，特别是其调度器（kube-scheduler）和资源管理机制；有二次开发或重度使用经验者优先； 4、深入理解Linux内核机制（如cgroups, namespaces, 内存管理, 内核调度）或虚拟化技术（KVM, QEMU）； 5、对解决复杂系统中的性能瓶颈与稳定性问题充满热情，并具备体系化的方法论； 6、有强烈技术热情和好奇心，自驱力和学习力强；具备良好的分析与解决问题的能力、沟通以及团队合作能力；喜欢挑战性的技术研发工作…
工作职责
1、负责Kubernetes容器支撑异构工作负载，提供高效、动态优化的资源调度策略，支撑数以亿计AI智能体的基础设施底座； 2、主导设计和实现由AI模型驱动的容器集群系统，利用Agentic架构现实世界中的分布式系统重构和进化。
1.构建大规模数据回流体系：设计并实现高效的数据采集、清洗、标注 pipeline，从线上真实交互中挖掘高质量训练数据，支撑多任务、多语言的模型训练需求； 2.建立自动化评测体系：设计面向AI Coding场景的多维度评测框架，构建自动化评测流水线与Benchmark，实现对模型及产品端到端能力的全面、客观评估； 3.借助高质量数据推动模型能力持续升级：基于数据体系与合作的模型团队共同开展大模型的持续训练与领域适配，提升模型在实际场景中的性能表现； 4.推动数据驱动的模型迭代：建立数据回流-训练-评测-优化的完整闭环，通过A/B测试、在线评估等手段持续优化模型能力，形成正向迭代机制； 5.发表高水平学术论文：将研究成果总结提炼，在NeurIPS、ICML、ICLR、ACL等顶级会议发表高水平论文，提升团队在AI Coding领域的学术影响力。
1.负责工程知识引擎的设计与构建，研究多源异构知识（代码、文档、架构等）的统一建模与智能检索技术； 2.研究智能体自主记忆系统，设计长短期记忆协同机制，实现用户偏好与项目规范的自动学习； 3.探索自优化智能体算法，构建基于执行反馈的自我评估与策略优化闭环； 4.联合通义实验室进行模型训练，将工程知识与记忆能力注入大模型； 5.跟踪Agent领域前沿进展，产出论文、技术报告或开源项目。
1、构建既能实现极致性能（百毫秒唤醒）又能做到极致成本效益（资源利用率提升XX%）的 Agent 基础设施底座； 2、主导设计和实现融合了Agent Sandbox、容器与虚拟化的统一调度系统。
1、开发构建流程中所需的自动化管线、工具，并负责持续性地调优和维护； 2、提升项目组资产持续集成效率，满足多平台（移动、PC、主机）构建需求； 3、负责包体构建管线的搭建、开发及优化工作。