智能互联阿里云智能-智能运维开发-AIOps Agent工程师
任职要求
1. 计算机相关专业，本科及以上学历；具备扎实的计算机基础，熟悉操作系统、计算机网络、数据结构、数据库、分布式系统等基础知识；了解分布式系统、大数据平台或云原生相关技术的优先。3年以上工作经验。 2. 有运维开发、平台开发、自动化工具建设经验，对大模型、RAG、Agent等 AI 工程化技术和AI Coding有实践经验。 3. 熟悉至少一种主流编程语言，如 Java、Python、…
工作职责
岗位描述 我们正在招聘智能运维开发工程师，负责阿里云大数据平台的智能运维体系建设，面向超大规模大数据平台、AI 平台及相关基础设施，持续提升系统稳定性、运维效率和平台自动化能力。 该岗位将深度参与大数据平台运维平台开发、稳定性治理、AI 化改造和智能运维 Agent 建设，围绕故障发现、问题诊断、容量水位、变更风险、发布管控、监控告警、自动化处置等核心场景，建设面向超大规模复杂系统的智能化运维能力。 你将与研发、SRE、平台工程、算法和产品团队协作，推动传统运维能力向平台化、自动化、智能化演进，支撑阿里云大数据平台及 AI 平台在大规模、高复杂度、高可用要求下稳定运行。 工作职责 1. 负责阿里云大数据平台智能运维体系建设，参与运维平台、稳定性平台、自动化工具、诊断系统等核心能力的设计与开发，提升平台化、自动化和智能化运维水平。 2. 参与智能运维 Agent 建设，结合大模型、RAG、工具调用、自动化编排和知识库能力，落地日志分析、指标分析、故障归因、异常检测、根因定位、SOP 执行和运维问答等 AI 化运维能力。 3. 负责超大规模大数据平台及 AI 平台的稳定性保障，围绕监控告警、故障诊断、容量水位、链路治理、变更风险、应急处置和复盘改进等场景，持续提升系统可靠性。 4. 参与大数据平台架构演进和稳定性治理，识别系统瓶颈与稳定性风险，推动容量规划、性能优化、资源治理、容灾高可用和架构改进。
1、负责阿里云开源大数据平台（Flink/EMR/Spark/StarRocks/ES/Hadoop/K8S）运维工作，包括可观测性链路、监控报警，故障应急及处置、SLA可用率度量提升等 2、研发大数据运维管控平台，通过自动化提升运维效率，包括交付&变更CICD、智能诊断定界等 3、落地AIOps智能运维，通过AI算法提升稳定性，包括异常检测、根因定位及基于大模型&智能体Agent运维落地等 4、负责稳定性架构设计及项目组织推动落地，包括基础架构云原生化、跨AZ高可用架构、产品可运维性架构演进等
1、负责阿里云开源大数据平台（Flink/EMR/Spark/StarRocks/ES/Hadoop/K8S）运维工作，包括可观测性链路、监控报警，故障应急及处置、SLA可用率度量提升等 2、研发大数据运维管控平台，通过自动化提升运维效率，包括交付&变更CICD、智能诊断定界等 3、落地AIOps智能运维，通过AI算法提升稳定性，包括异常检测、根因定位及基于大模型&智能体Agent运维落地等 4、负责稳定性架构设计及项目组织推动落地，包括基础架构云原生化、跨AZ高可用架构、产品可运维性架构演进等
1、负责阿里云AI人工智能平台（PAI）运维工作，建设超大规模GPU集群稳定性体系，包括可观测性链路、监控报警，故障应急及处置、SLA可用率度量提升等 2、研发AI运维管控平台，通过自动化提升运维效率，包括交付&变更CICD、GPU节点交付&自愈、智能诊断定界等 3、落地AIOps智能运维，通过AI算法提升稳定性，包括异常检测、根因定位及基于大模型&智能体Agent运维落地等 4、负责稳定性架构设计及项目组织推动落地，包括基础架构云原生化、跨AZ高可用架构、产品可运维性架构演进等
1、大模型服务架构设计：主导多模态LLM服务化架构与模型调度中台建设，实现自研/云服务/三方模型的弹性调度与资源优化，支撑代码生成、智能问答等高并发AI场景； 2、AI产品工程化落地：负责海量用户级AI编程平台服务端架构设计，构建高可用微服务架构，主导及支撑智能补全、代码智能体等核心场景的技术实现； 3、云原生运维体系构建：基于多Region架构设计服务网格治理、全链路监控及混沌工程方案，实现租户资源隔离、故障自愈能力； 4、安全风控系统开发：设计租户权限控制模型，构建金融级交易风控系统，覆盖身份核验、支付安全及交易全生命周期管理； 5、技术生态创新：推动AIOps、Serverless等技术在AI场景的落地，协同优化模型推理加速方案，构建测试-迭代-部署的DevOps闭环。