基础设施与稳定性工程-研发基础设施工程师-杭州

优缺点分析

角色解读

• 在阿里巴巴内部，可向技术专家（P序列）或技术管理（M序列）方向发展，成为构建系统或AI基础设施领域的权威
• 随着AI与基础设施融合的趋势，可转向AI Infra、AI Agent平台等前沿方向，成为复合型技术专家
• 积累超大规模系统设计经验后，可跳槽至其他大厂或创业公司担任技术负责人或架构师
• 设计和演进支撑数万研发人员、百万级构建请求的核心构建系统，解决高并发调度、大规模并行构建、多语言编译加速等难题
• 将LLM深度融入CI/CD流程，开发智能失败诊断、自愈和资源调度功能，构建AI驱动的流水线与自动化测试平台
• 研发高性能、安全隔离的Sandbox/执行环境，平衡安全性与性能，支撑传统应用和AI Agent等多样化负载
• 建设AI Agent评测与分析平台，对齐SWE-bench等benchmark，为大模型在软件工程中的落地提供量化评估标准
• 精通Java/Go/Python/C/C++至少一门，具备复杂系统开发经验
• 扎实的操作系统、网络、并发与性能基础，能够进行系统级性能优化
• 熟悉CI/CD、构建系统（如Bazel、Maven）、容器技术（Docker、Kubernetes）和隔离技术（gVisor、Firecracker）
• 对AI Coding、AI Agent、AI+测试有实践或强烈兴趣，具备算法工程背景更佳

申请策略

• 关注阿里巴巴技术博客和开源项目，了解团队技术方向
• 在面试中展示对超大规模系统设计的思考，如如何设计高并发调度器
• 突出在构建系统、CI/CD或容器平台方面的项目经验，量化成果（如构建时间缩短、资源利用率提升）
• 强调对Java/Go/Python等语言的深度掌握，以及系统性能调优的案例
• 展示对AI技术的实践，如使用LLM进行代码生成、测试或Agent开发
• 提及开源贡献或跨团队协作经验，体现技术影响力
• 深入学习Kubernetes、Docker等容器技术，了解gVisor、Firecracker等隔离机制
• 熟悉Bazel、Maven等构建工具，了解构建缓存和远程执行原理

面试指南

• 使用STAR法则：情境、任务、行动、结果，突出个人贡献和量化成果
• 结合具体技术细节，展示深度思考，如分布式调度、缓存策略、资源隔离等
• 体现对AI技术的理解，如LLM在代码生成、测试生成中的应用，以及评测指标
• 请描述你设计过的最复杂的系统，如何保证其性能和稳定性？
• 如何优化一个大规模构建系统的编译速度？请给出具体方案
• 你如何将LLM应用到CI/CD流程中？请举例说明
• 谈谈你对Sandbox隔离技术的理解，如何平衡安全性和性能？
• 你如何评估一个AI Agent的性能？请设计一个评测方案