{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "AI SRE",
        "job_level": "校招",AI生成
        "work_category": "全职",AI生成
        "department": "阿里云 / 千问事业部 / 虎鲸文娱集团",
        "location": "北京 / 广州 / 杭州",
        "work_mode": "未披露",AI生成
        "job_category": "技术类"AI生成
    },
    "company": {
        "company_name": "阿里云",
        "company_industry": "云计算 / 人工智能",
        "company_size": "10000人以上",
        "company_website": "alibaba.com",
        "company_description": "阿里云提供云基础设施、AI模型、智能体和计算服务。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "未披露",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "根据 AI-Native 研发运维模式演进对运维决策、系统可靠性与基础设施可调用性的要求，完成 AI Ops 体系与关键能力建设，统筹可观测性、故障治理、可靠性优化和知识沉淀等工作，支撑运维智能化升级，实现系统稳定、高效与可规模化运行。\n具体职责包括以下相关方向的一项或多项：\n● 推动 AI-Native 研发运维模式演进：探索 AI 与工程师协同的软件研发与运维方式，让 AI 参与系统架构分析、运维决策与故障诊断。\n● 构建 AI-Native Reliability System：设计具备推理能力的 SRE Agent，并结合系统可观测数据与知识体系，构建智能化系统分析与决策能力。\n● 建设 AI-Ready 运维基础设施：升级运维基础设施，使系统数据、工具能力与执行接口能够被 AI 调用与理解。\n● 设计可规模化的系统可靠性工程机制：通过系统架构与工程机制设计提升系统可靠性，例如故障隔离、风险控制与安全发布策略。",
        "requirements_text": "1.基础条件\n● 计算机、软件工程等相关专业优先。\n● 具备扎实的软件工程基础与良好的编程能力（Python / Go / Java 等）。\n2.专业能力\n● 系统工程能力\n○ 理解分布式系统和云原生架构，具备构建复杂工程系统的潜力。熟悉现代云原生基础设施，例如 Kubernetes。\n● AI-Native 工程能力\n○ 熟悉大语言模型（LLM）与 Agent 技术，并有将其应用于软件开发、系统分析或自动化运维的实践经验。\n○ 理解 Agent 的基本机制（推理、规划、工具调用），能够将复杂系统问题抽象为可执行的任务链路。\n○ 能够利用 AI 工具与智能体提升工程效率，并探索 AI 参与研发与运维流程的实践。\n● 系统可靠性与工程思维\n○ 理解系统可靠性工程理念，能够从系统设计与工程机制角度思考稳定性问题。\n○ 能够分析复杂系统行为并识别潜在风险与异常模式。\n加分项\n● 有 Agent 开发经验（LangChain / AutoGen 等）。\n● 有 AIOps / 智能运维研究或实践经验。",
        "skills": [AI生成
            "Python",
            "Java",
            "Kubernetes",
            "分布式系统",
            "可靠性",
            "Go",
            "大语言模型",
            "智能体开发"
        ],
        "preferred_qualifications": "● 计算机、软件工程等相关专业优先；加分项",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://campus-talent.alibaba.com/campus/position/199907820042?deptCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "199907820042",
        "post_date": "2026-08-24",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199907820042?deptCodes="
    },
    "fulltext": "AI SRE\nAI SRE\n\n基础信息\n毕业起止时间要求：2026-11-01 - 2027-10-31\n职位类别：技术类\n招聘项目：阿里巴巴2027届应届生\n工作地点：北京 / 广州 / 杭州\n\n职位描述\n根据 AI-Native 研发运维模式演进对运维决策、系统可靠性与基础设施可调用性的要求，完成 AI Ops 体系与关键能力建设，统筹可观测性、故障治理、可靠性优化和知识沉淀等工作，支撑运维智能化升级，实现系统稳定、高效与可规模化运行。\n具体职责包括以下相关方向的一项或多项：\n● 推动 AI-Native 研发运维模式演进：探索 AI 与工程师协同的软件研发与运维方式，让 AI 参与系统架构分析、运维决策与故障诊断。\n● 构建 AI-Native Reliability System：设计具备推理能力的 SRE Agent，并结合系统可观测数据与知识体系，构建智能化系统分析与决策能力。\n● 建设 AI-Ready 运维基础设施：升级运维基础设施，使系统数据、工具能力与执行接口能够被 AI 调用与理解。\n● 设计可规模化的系统可靠性工程机制：通过系统架构与工程机制设计提升系统可靠性，例如故障隔离、风险控制与安全发布策略。\n\n职位要求\n1.基础条件\n● 计算机、软件工程等相关专业优先。\n● 具备扎实的软件工程基础与良好的编程能力（Python / Go / Java 等）。\n2.专业能力\n● 系统工程能力\n○ 理解分布式系统和云原生架构，具备构建复杂工程系统的潜力。熟悉现代云原生基础设施，例如 Kubernetes。\n● AI-Native 工程能力\n○ 熟悉大语言模型（LLM）与 Agent 技术，并有将其应用于软件开发、系统分析或自动化运维的实践经验。\n○ 理解 Agent 的基本机制（推理、规划、工具调用），能够将复杂系统问题抽象为可执行的任务链路。\n○ 能够利用 AI 工具与智能体提升工程效率，并探索 AI 参与研发与运维流程的实践。\n● 系统可靠性与工程思维\n○ 理解系统可靠性工程理念，能够从系统设计与工程机制角度思考稳定性问题。\n○ 能够分析复杂系统行为并识别潜在风险与异常模式。\n加分项\n● 有 Agent 开发经验（LangChain / AutoGen 等）。\n● 有 AIOps / 智能运维研究或实践经验。\n\n在招业务\n阿里云 / 千问事业部 / 虎鲸文娱集团\n根据 AI-Native 研发运维模式演进对运维决策、系统可靠性与基础设施可调用性的要求，完成 AI Ops 体系与关键能力建设，统筹可观测性、故障治理、可靠性优化和知识沉淀等工作，支撑运维智能化升级，实现系统稳定、高效与可规模化运行。\n具体职责包括以下相关方向的一项或多项：\n● 推动 AI-Native 研发运维模式演进：探索 AI 与工程师协同的软件研发与运维方式，让 AI 参与系统架构分析、运维决策与故障诊断。\n● 构建 AI-Native Reliability System：设计具备推理能力的 SRE Agent，并结合系统可观测数据与知识体系，构建智能化系统分析与决策能力。\n● 建设 AI-Ready 运维基础设施：升级运维基础设施，使系统数据、工具能力与执行接口能够被 AI 调用与理解。\n● 设计可规模化的系统可靠性工程机制：通过系统架构与工程机制设计提升系统可靠性，例如故障隔离、风险控制与安全发布策略。\n1.基础条件\n● 计算机、软件工程等相关专业优先。\n● 具备扎实的软件工程基础与良好的编程能力（Python / Go / Java 等）。\n2.专业能力\n● 系统工程能力\n○ 理解分布式系统和云原生架构，具备构建复杂工程系统的潜力。熟悉现代云原生基础设施，例如 Kubernetes。\n● AI-Native 工程能力\n○ 熟悉大语言模型（LLM）与 Agent 技术，并有将其应用于软件开发、系统分析或自动化运维的实践经验。\n○ 理解 Agent 的基本机制（推理、规划、工具调用），能够将复杂系统问题抽象为可执行的任务链路。\n○ 能够利用 AI 工具与智能体提升工程效率，并探索 AI 参与研发与运维流程的实践。\n● 系统可靠性与工程思维\n○ 理解系统可靠性工程理念，能够从系统设计与工程机制角度思考稳定性问题。\n○ 能够分析复杂系统行为并识别潜在风险与异常模式。\n加分项\n● 有 Agent 开发经验（LangChain / AutoGen 等）。\n● 有 AIOps / 智能运维研究或实践经验。",
    "standard_classification": {
        "std_category_code": "T020",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}