智能互联阿里云智能-AIOps Agent 研发专家-ABM 平台研发

我们正在招聘 AIOps Agent 研发专家，作为核心研发参与阿里云计算平台下的运维平台 Agent 体系的架构设计与系统实现，服务阿里云计算平台产品，把传统工具化、流程化的运维能力研发升级为 AI Native 的平台化、自动化、自主化产品。 工作职责： 1. 负责运维平台 Agent 工程链路研发，让 Agent 在真实运维场景下做到稳定可控、可观测、可治理。 2. 基于大模型、RAG 与自动化编排，端到端研发异常处置、机器自愈、变更风险拦截、Context 底座等，把目前碎片化、流程化的运维能力重构为完整的 Agent 协同产品。 3. GitOps × IaC 变更能力建设：负责 GitOps x Iac 的变更能力建设，覆盖应用与基础设施资源，保障不同产品形态下的统一管控模型与大规模变更场景下的稳定性，并具备 Agent 协同执行的能力。 4. 中台 AI 自主开发能力研发：研发可供 AI 自主行动的中台与 SRE 服务环境，推动中台需求开发与交付向 AI Native 模式演进，让 AI 在真实工程语境下安全完成闭环并保证可审计、可回滚。 5. 平台关键能力研发与稳定性保障：承接运维平台的关键模块的设计、开发、演进与稳定性治理，保障关键服务可用性、监控覆盖与交付质量，并按横向项目节奏推进代码合一、独立部署等研发要求。 6. 与 SRE、算法团队一起，协同识别效率瓶颈与稳定性风险，主导 AI Native 工程方法与研发范式在团队内沉淀。

1. 研发可观测核心算子：负责设计与研发面向海量可观测数据的核心算法算子，实现对海量原始数据的高效预处理与特征提取，为上层智能应用提供高质量输入； 2. 参与 AIOps Agent 设计与研发：负责 LLM 驱动的 AIOps Agent 的核心算法研发。通过多 Agent 架构解决复杂场景下的根因定位、影响评估、智能巡检、辅助运维等难题； 3. 构建并应用 AIOps Benchmark 体系：设计和落地具有业界影响力的 AIOps Benchmark 评测体系。通过系统化的故障注入与案例复盘，构建覆盖广泛、高度真实的评测数据集，用于度量和持续优化 AIOps 系统的泛化能力； 4. 探索前沿模型训练与优化技术：运用监督微调（SFT）、强化学习（RLHF）等前沿技术，针对 AIOps 中的关键过程进行模型优化和迭代，持续提升 AIOps 的准确性和性能； 5. 追踪前沿并推动技术落地：持续追踪和研究 LLM、Agent、知识图谱、图神经网络等技术在 AIOps 领域的前沿进展，结合阿里云可观测产品的实际场景，探索和推动前沿技术的应用与落地，构建技术壁垒。

1、负责运维管控系统子模块设计和研发工作，如部署升级系统、根因分析系统、监控告警体系、故障自愈系统等； 2、负责可观测性平台系统的设计和研发工作，提升服务质量和系统的可观测能力； 3、制定交付标准和运维规范，通过自动化的方式，提升系统运行的效率及稳定性。

1. 负责LLM在运维领域的应用与落地，包括但不限于LLM/GPT、LangChain、知识图谱、图神经网络、强化学习等技术，探索智能运维与领域模型的结合，实现在业务中的应用落地； 2. 探索LLM技术在智能运维领域中的落地应用，负责算法模型研发，搭建LLM应用的框架，融入统一运维平台，为运维效率提升提供智能服务； 3. 参与领域模型的全流程工作，包括但不限于数据、训练、评测、推理部署，保证数据的高质量和有效性； 4. 探索 Agent 在复杂任务中的应用，实现基于LLM的复杂任务在智能运维领域场景的应用落地； 5. 持续跟进LLM前沿技术、开源方案及其在智能运维领域的应用。