{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "基础设施与稳定性工程-AIOps Agent 研发工程师-杭州",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "阿里集团",
        "location": "杭州",
        "work_mode": "未披露",AI生成
        "job_category": "工程建设/设施管理"AI生成
    },
    "company": {
        "company_name": "阿里巴巴控股集团",
        "company_industry": "电子商务 / 云计算 / 人工智能",
        "company_size": "未披露",
        "company_website": "alibaba.com",
        "company_description": "阿里巴巴集团面向消费者和企业提供电子商务、云计算及人工智能服务。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": 2,
        "degree": "本科",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "主导集团稳定性领域核心系统的设计与开发，重点建设风险左移和故障事前检测能力，覆盖从变更前存量风险扫描、变更时自动检测到运行态防御的全链路风险治理体系，并结合 AI 大模型提升故障全生命周期各环节的智能化水平。\n● 风险左移与事前检测体系建设：主导设计变更前存量风险扫描（如容量基线监控、静态代码质量扫描、依赖拓扑治理、隐性健康度巡检等）的技术方案，将风险发现从\"事中排查和事后复盘\"前移至\"事前拦截\"\n● AI 驱动的风险检测引擎：基于大模型和 AI Agent 技术，建设智能化风险检测能力，包括但不限于：代码变更 Diff + AST 调用链的结构化风险分析、历史故障模式的向量化检索与自动匹配、SOP 完备性的 LLM 推理引擎等\n● 风险检测数据底座建设：设计并落地风险检测所需的数据资产体系，打通变更上下文（Diff、配置值、发布计划）、服务依赖拓扑、容量基线、SOP 知识图谱等多源数据，解决\"信息不可达\"导致风险无法识别的核心瓶颈\n● 故障诊断与快恢能力建设：通过历史故障结构化分析，沉淀故障排查、定位和恢复的标准 SOP，结合 AI 建设故障自动诊断与智能恢复能力，降低 MTTR\n系统架构与工程卓越：持续优化系统高可用架构、性能调优、全链路监控与容灾预案，解决高并发、低延迟、高可靠性等复杂技术挑战",
        "requirements_text": "● 2 年以上复杂系统开发经验，具备技术路线规划能力，能主导从需求分析、方案设计到工程落地的全流程；具备良好的系统架构思维，关注性能、质量、扩展性与前瞻性。\n● 编程基础扎实，精通Python/Go/Java/Rust中至少一门语言，具备扎实的工程基础；熟悉分布式系统设计，包括缓存、消息队列、微服务治理等。\n● 具备大模型（LLM）在复杂系统中的实际落地经验，并持续优化效果（如评估指标、反馈闭环），能评估 LLM 在风险场景中的可靠性、边界与误判风险（如 hallucination、误报/漏报）。\n● 有丰富的运维和稳定性领域经验，能够理解微服务、云原生和可观测体系，熟悉运维场景痛点。\n● 强烈的结果导向，能够通过数据驱动的方式验证算法效果与业务价值。优秀的跨团队沟通能力，能将复杂技术问题转化为可落地方案。\n● 学习能力强，乐于接受新技术，具有优秀的分析和解决实际问题的能力和态度，对技术有强烈激情。\n● 符合以下条件之一者优先：\n○ 有开源AIOps项目（如SkyWalking、Elastic ML）贡献经验。\n○ 发表过AI/运维相关顶会论文（如KDD、NSDI、ICML）。",
        "skills": [AI生成
            "Python",
            "Java",
            "Rust",
            "分布式系统",
            "微服务",
            "系统架构",
            "可靠性",
            "需求分析",
            "沟通能力",
            "学习能力",
            "Go",
            "大语言模型"
        ],
        "preferred_qualifications": "● 符合以下条件之一者优先：",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100013540003"
            }
        ]
    },
    "posting": {
        "posting_id": "100013540003",
        "post_date": "2026-07-30",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100013540003"
    },
    "fulltext": "基础设施与稳定性工程-AIOps Agent 研发工程师-杭州\n基础设施与稳定性工程-AIOps Agent 研发工程师-杭州\n\n基础信息\n工作地点：杭州\n\n职位描述\n主导集团稳定性领域核心系统的设计与开发，重点建设风险左移和故障事前检测能力，覆盖从变更前存量风险扫描、变更时自动检测到运行态防御的全链路风险治理体系，并结合 AI 大模型提升故障全生命周期各环节的智能化水平。\n● 风险左移与事前检测体系建设：主导设计变更前存量风险扫描（如容量基线监控、静态代码质量扫描、依赖拓扑治理、隐性健康度巡检等）的技术方案，将风险发现从\"事中排查和事后复盘\"前移至\"事前拦截\"\n● AI 驱动的风险检测引擎：基于大模型和 AI Agent 技术，建设智能化风险检测能力，包括但不限于：代码变更 Diff + AST 调用链的结构化风险分析、历史故障模式的向量化检索与自动匹配、SOP 完备性的 LLM 推理引擎等\n● 风险检测数据底座建设：设计并落地风险检测所需的数据资产体系，打通变更上下文（Diff、配置值、发布计划）、服务依赖拓扑、容量基线、SOP 知识图谱等多源数据，解决\"信息不可达\"导致风险无法识别的核心瓶颈\n● 故障诊断与快恢能力建设：通过历史故障结构化分析，沉淀故障排查、定位和恢复的标准 SOP，结合 AI 建设故障自动诊断与智能恢复能力，降低 MTTR\n系统架构与工程卓越：持续优化系统高可用架构、性能调优、全链路监控与容灾预案，解决高并发、低延迟、高可靠性等复杂技术挑战\n\n职位要求\n● 2 年以上复杂系统开发经验，具备技术路线规划能力，能主导从需求分析、方案设计到工程落地的全流程；具备良好的系统架构思维，关注性能、质量、扩展性与前瞻性。\n● 编程基础扎实，精通Python/Go/Java/Rust中至少一门语言，具备扎实的工程基础；熟悉分布式系统设计，包括缓存、消息队列、微服务治理等。\n● 具备大模型（LLM）在复杂系统中的实际落地经验，并持续优化效果（如评估指标、反馈闭环），能评估 LLM 在风险场景中的可靠性、边界与误判风险（如 hallucination、误报/漏报）。\n● 有丰富的运维和稳定性领域经验，能够理解微服务、云原生和可观测体系，熟悉运维场景痛点。\n● 强烈的结果导向，能够通过数据驱动的方式验证算法效果与业务价值。优秀的跨团队沟通能力，能将复杂技术问题转化为可落地方案。\n● 学习能力强，乐于接受新技术，具有优秀的分析和解决实际问题的能力和态度，对技术有强烈激情。\n● 符合以下条件之一者优先：\n○ 有开源AIOps项目（如SkyWalking、Elastic ML）贡献经验。\n○ 发表过AI/运维相关顶会论文（如KDD、NSDI、ICML）。\n主导集团稳定性领域核心系统的设计与开发，重点建设风险左移和故障事前检测能力，覆盖从变更前存量风险扫描、变更时自动检测到运行态防御的全链路风险治理体系，并结合 AI 大模型提升故障全生命周期各环节的智能化水平。\n● 风险左移与事前检测体系建设：主导设计变更前存量风险扫描（如容量基线监控、静态代码质量扫描、依赖拓扑治理、隐性健康度巡检等）的技术方案，将风险发现从\"事中排查和事后复盘\"前移至\"事前拦截\"\n● AI 驱动的风险检测引擎：基于大模型和 AI Agent 技术，建设智能化风险检测能力，包括但不限于：代码变更 Diff + AST 调用链的结构化风险分析、历史故障模式的向量化检索与自动匹配、SOP 完备性的 LLM 推理引擎等\n● 风险检测数据底座建设：设计并落地风险检测所需的数据资产体系，打通变更上下文（Diff、配置值、发布计划）、服务依赖拓扑、容量基线、SOP 知识图谱等多源数据，解决\"信息不可达\"导致风险无法识别的核心瓶颈\n● 故障诊断与快恢能力建设：通过历史故障结构化分析，沉淀故障排查、定位和恢复的标准 SOP，结合 AI 建设故障自动诊断与智能恢复能力，降低 MTTR\n系统架构与工程卓越：持续优化系统高可用架构、性能调优、全链路监控与容灾预案，解决高并发、低延迟、高可靠性等复杂技术挑战\n● 2 年以上复杂系统开发经验，具备技术路线规划能力，能主导从需求分析、方案设计到工程落地的全流程；具备良好的系统架构思维，关注性能、质量、扩展性与前瞻性。\n● 编程基础扎实，精通Python/Go/Java/Rust中至少一门语言，具备扎实的工程基础；熟悉分布式系统设计，包括缓存、消息队列、微服务治理等。\n● 具备大模型（LLM）在复杂系统中的实际落地经验，并持续优化效果（如评估指标、反馈闭环），能评估 LLM 在风险场景中的可靠性、边界与误判风险（如 hallucination、误报/漏报）。\n● 有丰富的运维和稳定性领域经验，能够理解微服务、云原生和可观测体系，熟悉运维场景痛点。\n● 强烈的结果导向，能够通过数据驱动的方式验证算法效果与业务价值。优秀的跨团队沟通能力，能将复杂技术问题转化为可落地方案。\n● 学习能力强，乐于接受新技术，具有优秀的分析和解决实际问题的能力和态度，对技术有强烈激情。\n● 符合以下条件之一者优先：\n○ 有开源AIOps项目（如SkyWalking、Elastic ML）贡献经验。\n○ 发表过AI/运维相关顶会论文（如KDD、NSDI、ICML）。",
    "standard_classification": {
        "std_category_code": "T009",
        "std_aux_codes": [
            "T020"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}