阿里云阿里云智能-可观测高级研发工程师-杭州
社招全职3年以上云智能集团地点：杭州状态：招聘
任职要求
1. 对技术有强烈的进取心，具有良好的沟通能力和团队合作精神、优秀的问题分析和解决能力； 2. 有三年以上工作经验，扎实的算法基础和良好的编码习惯，熟悉 Python、Go 或 Java 语言中的任意一种； 3. 对 Dify、MCP、vLLM、SGLang、AI 模型有实践经验，参与或贡献过开源社区的优先； 4. 熟悉 Java Agent 或者 eBPF 技术； 5. 熟悉 OpenTelemetry 、Prometheus、Grafana 等开源组件； 6. 熟悉以下开发语言：Python / Go / Java。
工作职责
1. 参与阿里云战略级产品研发，参与数据采集、处理、查询分析等功能开发与设计； 2. 负责面向 AI 原生应用的可观测数据采集，涉及数据采集探针（Python、Go、Java、eBPF 探针）的研发工作，为 AI 应用提供无侵入，高性能，低成本的数据采集能力； 3. 负责分布式调用链追踪，应用性能监控核心系统的开发，包含 AIOps 根因定位，Continuous Profiling 持续剖析等方向，帮助 AI 应用以及微服务应用实现代码级根因定位； 4. 参与 OpenTelemetry 开源社区，与国际大公司合作共建社区规范。
包括英文材料
算法+
https://roadmap.sh/datastructures-and-algorithms
Step by step guide to learn Data Structures and Algorithms in 2025
https://www.hellointerview.com/learn/code
A visual guide to the most important patterns and approaches for the coding interview.
https://www.w3schools.com/dsa/
编程规范+
[英文] Google Style Guides
https://google.github.io/styleguide/
Every major open-source project has its own style guide: a set of conventions (sometimes arbitrary) about how to write code for that project. It is much easier to understand a large codebase when all the code in it is in a consistent style.
Python+
https://liaoxuefeng.com/books/python/introduction/index.html
中文，免费，零起点，完整示例，基于最新的Python 3版本。
https://www.learnpython.org/
a free interactive Python tutorial for people who want to learn Python, fast.
https://www.youtube.com/watch?v=K5KVEU3aaeQ
Master Python from scratch 🚀 No fluff—just clear, practical coding skills to kickstart your journey!
https://www.youtube.com/watch?v=rfscVS0vtbw
This course will give you a full introduction into all of the core concepts in python.
Go+
https://www.youtube.com/watch?v=8uiZC0l4Ajw
学习Golang的完整教程！从开始到结束不到一个小时，包括如何在Go中构建API的完整演示。没有多余的内容，只有你需要知道的知识。
Java+
https://www.youtube.com/watch?v=eIrMbAQSU34
Master Java – a must-have language for software development, Android apps, and more! ☕️ This beginner-friendly course takes you from basics to real coding skills.
MCP+
https://www.youtube.com/watch?v=eur8dUO9mvE
Unlock the secrets of MCP! 🚀 Dive into the world of Model Context Protocol and learn how to seamlessly connect AI agents to databases, APIs, and more. Roy Derks breaks down its components, from hosts to servers, and showcases real-world applications. Gain the knowledge to revolutionize your AI projects!
https://www.youtube.com/watch?v=L94WBLL0KjY
Let's talk about MCP or the Model Context Protocol.
vLLM+
https://www.newline.co/@zaoyang/ultimate-guide-to-vllm--aad8b65d
vLLM is a framework designed to make large language models faster, more efficient, and better suited for production environments.
https://www.youtube.com/watch?v=Ju2FrqIrdx0
vLLM is a cutting-edge serving engine designed for large language models (LLMs), offering unparalleled performance and efficiency for AI-driven applications.
SGLang+
[英文] Install SGLang
https://docs.sglang.ai/get_started/install.html
SGLang is a fast serving framework for large language models and vision language models.
https://github.com/sgl-project/sgl-learning-materials
AI agent+
https://www.ibm.com/think/ai-agents
Your one-stop resource for gaining in-depth knowledge and hands-on applications of AI agents.
eBPF+
https://ebpf.io/get-started/
eBPF is a revolutionary technology that can run sandboxed programs in the Linux kernel without changing kernel source code or loading a kernel module.
OpenTelemetry+
https://logz.io/learn/opentelemetry-guide/#overview
Every journey in Observability begins with instrumenting an application to emit telemetry data – primarily logs, metrics and traces – from each service as it executes.
[英文] Getting Started
https://opentelemetry.io/docs/languages/go/getting-started/
This page will show you how to get started with OpenTelemetry in Go.
https://www.youtube.com/watch?v=hLvwoow3XTk
OpenTelemetry can help, with its powerful capabilities for monitoring and analyzing hybrid applications, including collecting and analyzing telemetry data, metrics, and traces.
https://www.youtube.com/watch?v=Txe4ji4EDUA
In the observability space, the project making this possible is OpenTelemetry.
Prometheus+
https://grafana.com/docs/grafana/latest/getting-started/get-started-grafana-prometheus/
Prometheus is an open source monitoring system for which Grafana provides out-of-the-box support.
https://prometheus.io/docs/tutorials/getting_started/
Prometheus is a system monitoring and alerting system.
Grafana+
相关职位
社招5年以上
1. 基于需求实现AI相关产品的全流程开发，包括但不限于AI应用的架构设计、工程实现、系统部署。 2. 核心参与AI Agent开发，基于大语言模型（LLM）、多模态模型或垂直领域模型，开发具备自主决策能力的AI Agent，支持任务分解、工具调用（如API、数据库）和结果反馈。 3. 持续迭代优化Agent相关技术实现和架构设计，包括但不限于CE优化、RAG优化、调度优化、AI可观测性提升等。 4. 跟踪前沿AI技术（如最新Agent框架和最新基模能力等），推动技术持续创新。
更新于 2025-08-26
社招A197733A
1、参与公司内基于Ray的分布式计算场景的方案设计以及研发，包括机器学习、图等场景； 2、参与Ray内核/Kuberay以及相关上层生态框架的功能开发&性能优化； 3、参与Ray在K8s上的弹性/潮汐资源集群稳定性/可观测性/平台化对接等能力建设； 4、参与Ray开源社区的建设。
更新于 2023-06-05
社招3年以上机器学习平台
1、负责模型训练平台核心功能开发和架构设计，包括传统CN/NLP/SD/LLM等多场景支持 2、负责大模型后训练工具平台化建设，包括后预训练、微调、对齐等技术落地 3、设计和实现高性能分布式训练系统，打造端到端训练解决方案 4、优化训练调度和资源管理，提升集群利用率和训练效率 5、开发模型训练监控诊断工具，建设可观测性体系
校招基础后端
网络工程研发： 建设小红书基础设施网络平台，对小红书网络进行全方位的监控、管理、运营优化，提升网络整体稳定性、效率，并优化网络成本。 1、负责网络可观测体系建设，研发链路水位、拥塞监控、流量调度、稳定性分析等平台功能； 2、负责网络自动化工具和系统的开发，包括拓扑自动生成、配置自动下发、变更自动化、异常检测与自愈； 3、与网络工程师协作，将底层网络能力平台化、服务化，提升整体运维效率与稳定性； 4、参与网络数据建模与分析，支撑容量规划、风险识别、成本优化与策略制定。 网络控制面研发： 1、参与网络SDN 控制系统的设计、研发和优化工作； 2、参与网络产品的控制面研发，包括但不局限于DNS、NAT、负载均衡、IPAM等产品； 3、参与大型分布式系统的性能和架构优化。
更新于 2025-09-13