通义Token Foundry-Agent 运行环境与沙箱研发专家-AI Infra 团队
任职要求
1. 计算机科学、软件工程或相关专业，扎实的操作系统内核、计算机网络与体系结构基础。 2. 精通 Go / C++ / Rust / Python 中的至少一种，具备优秀的系统级编程能力与极客精神。 3. 深入理解容器与虚拟化技术栈，在以下至少一个领域有深厚积累：熟悉 Docker/containerd/runc 底层原理，轻量级容器（如 Kata C…
工作职责
【构建支撑 AI 自主进化的虚拟环境】 当大模型（LLM）进化为智能体（Agent），它们不再仅限于文本交互，而是开始真正在浏览器网页/电脑桌面和终端命令行中执行复杂任务。我们的目标是：构建一套全端覆盖、极速启动、深度可观测的 Agent 虚拟执行沙箱。无论是轻量级的 Web 交互，还是复杂的Windows真实系统仿真，我们致力于为 Agent 提供安全、高效的运行环境。加入我们，定义下一代 AI Agent 的基础设施，支撑模型的自我迭代进化！ 【工作职责】 1、Agent 沙箱环境矩阵构建： （1）打造毫秒级启动的轻量化 Web 沙箱，构建完备的 ContainerUse 环境支持体系。 （2）突破 OS 层虚拟化瓶颈，构建支持全功能桌面的沙箱，支撑基于复杂人机交互（GUI）的评测需求。 2、统一沙箱管理引擎研发： （1）设计实现端侧管控服务的极致轻量化与高并发承载能力。
【构建支撑 AI 自主进化的 Agent 编排平台】 当 Agent 开始自主规划任务、调用工具、操作环境时，传统的 CI/CD 流水线与集群监控已无法满足 AI 实验的需求。我们的目标是：在 Kubernetes 上，构建一套“Agent 任务编排引擎与自动化评测底座”。让成超大规模的 Agent 能够在云原生沙箱中极速试错，让算法科学家的每一次迭代都有据可依。加入我们，打造大模型工业化生产的超级中枢！ 【工作职责】 1. 超大规模 Agent 任务编排引擎 （1）定义 Agent 任务全生命周期管理，实现高并发任务的调度、优先级排队与自动容错重试。 2. 环境编排与自动化评测系统 （1）提供面向大模型强化学习与评估的自动化编排，建立 Agent 轨迹数据极速回溯体系。
1. 面向ToB行业场景（如AI手机等），设计并构建可扩展、高可用的Agent编排系统，支撑多模态交互系统中复杂任务的自动化执行。 2. 深度整合阿里集团内部丰富的Agent能力，同时对接第三方生态服务，打造统一的行业级Agent应用。 3. 制定标准化的工具描述协议、Agent接入规范与开发者工具链（SDK/CLI/调试平台），降低内外部生态伙伴的接入门槛。 4. 针对移动端等资源受限环境，优化Agent调用链路的性能、延迟与鲁棒性，支持离线、弱网、低功耗等边缘场景下的可靠运行。
1. 面向ToB行业场景（如AI手机等），设计并构建可扩展、高可用的Agent编排系统，支撑多模态交互系统中复杂任务的自动化执行。 2. 深度整合阿里集团内部丰富的Agent能力，同时对接第三方生态服务，打造统一的行业级Agent应用。 3. 制定标准化的工具描述协议、Agent接入规范与开发者工具链（SDK/CLI/调试平台），降低内外部生态伙伴的接入门槛。 4. 针对移动端等资源受限环境，优化Agent调用链路的性能、延迟与鲁棒性，支持离线、弱网、低功耗等边缘场景下的可靠运行。
1. 深度参与或主导沙箱平台的整体技术架构设计， 定义系统分层、模块边界和核心接口规范，构建支撑大模型后训练与 AI Agent 两大场景的统一沙箱基础设施，牵引团队技术方向。 2. 深度参与或主导大规模资源调度与弹性架构设计， 规划万级并发沙箱实例的调度策略、资源池化方案和容量模型，在极端突发场景下保障系统稳定性与资源利用率。 3. 推动训练侧与推理侧沙箱的架构统一与平台化， 抽象共性能力，降低各业务方的接入成本。 4. 深度参与跨团队技术协同， 与大模型训练框架、推理引擎、算法、安全等团队对齐需求和技术方案，从基础设施视角定义沙箱的 SLA 和能力边界。 5. 建立技术前瞻性， 持续跟踪业界安全容器、轻量虚拟化、Agent 执行框架等领域的技术趋势，主导关键技术选型和架构迭代。