阿里云诚云科技-高级运维工程师（大模型方向）-政企技术服务
任职要求
• 在中型企业或云服务提供商从事SRE、运维工具开发、客户技术服务相关工作，具备2年及以上工作经验
• 熟悉云集群各运维平台和云产品及监控平台使用方法，能够快速专业定位客户问题
• 具备一定集群调优和trouble shooting能力
• 或者掌握分布式系统原理，对存储、计算、流式计算中的一项或多项有深…工作职责
1、客户现场专项技术负责人，如网络专项、数据库专项； 2、平台稳定性重大变更方案制定与实施，如性能/存储优化、底座改造等； 3、现场故障应急执行，协助原厂尽快恢复平台运行； 4、关键时刻现场保障，如客户平台隐患深度排查与治理； 5、复杂问题原因定位及解决；
1、负责网易云音乐、Loft、支付等核心业务的系统与平台运维，涵盖操作系统、容器、分布式存储（Ceph）等方向，保障大规模业务的稳定运行； 2、**运维智能化**：设计并实现运维场景下的 AI Agent 系统，包括故障自愈 Agent、智能告警分析 Agent、变更风险评估 Agent 等，提升运维自动化与智能化水平； 3、参与线上业务运维，对线上业务的稳定性负责，利用 LLM 技术辅助故障诊断、根因分析与复盘报告生成，缩短 MTTR； 4、**SDD（Spec-Driven Development）实践**：运用 AI 辅助编写技术规范、运维手册与应急预案，构建可执行的运维知识库，推动文档即代码（Doc-as-Code）的智能化升级； 5、研发和优化运维工具/平台，将 AI 能力与自动化能力赋能给业务和其他团队，建设智能运维（AIOps）平台，提升整体效率； 6、**Prompt 工程与 LLM 应用**：针对运维场景优化大模型应用效果，构建领域专属的 Prompt 模板与知识库 RAG 系统； 7、跟进业界前沿运维技术与云原生体系，探索 AI 在可观测性、容量管理、故障预测等场景的创新应用，不断提升系统可靠性与运维质量。
1.Agent核心框架研发： 负责排障AI Agent的核心框架设计与开发，包括任务规划（Planning）、工具调用（Tool-use）、记忆（Memory）等关键模块，持续提升Agent的自主决策与执行能力； 2.Agent效果评测与迭代： 主导设计并落地Agent自动化评测体系，并基于线上失效案例（如规划错误、幻觉）的深入分析，驱动模型、Prompt及工具链的持续优化； 3.大模型后训练与优化： 负责大模型的后训练流程，包括构建高质量SFT数据集、实施Fine-tuning与RLHF/DPO等优化策略，并建立评测-训练-部署的闭环，持续提升模型在排障领域的专业能力。
1.Agent核心框架研发： 负责排障AI Agent的核心框架设计与开发，包括任务规划（Planning）、工具调用（Tool-use）、记忆（Memory）等关键模块，持续提升Agent的自主决策与执行能力； 2.Agent效果评测与迭代： 主导设计并落地Agent自动化评测体系，并基于线上失效案例（如规划错误、幻觉）的深入分析，驱动模型、Prompt及工具链的持续优化； 3.大模型后训练与优化： 负责大模型的后训练流程，包括构建高质量SFT数据集、实施Fine-tuning与RLHF/DPO等优化策略，并建立评测-训练-部署的闭环，持续提升模型在排障领域的专业能力。
1. 产品研发：负责营销方向产品迭代，联合业务推进AI化转型，使用 React、MachPro/Mach等建设大营销体系，保障研发过程质量、交付周期、产品稳定性、产品用户体验； 2. 架构设计：负责推进营销方向工程架构和业务架构的设计与优化，提升研发效率和质量； 3. 技术体系建设：主导外卖终端H5领域技术体系建设，包括前端工程化解决方案Nine、H5性能方案演进（H5容器能力增强、SSR落地）、探索AI+工程化提升开发/交付效率，提升用户体验，赋能业务快速发展； 4. 稳定性保障：构建前端监控告警、容灾与灰度发布能力，提升故障发现率，提升运维效率，保障业务高可用性。 5. 团队赋能：负责前端技术布道与团队能力提升，通过技术分享提升团队影响力，通过方案评审、代码评审等方式帮助团队成员成长；