阿里云智能-agent sandbox管控开发专家-杭州/北京

优缺点分析

角色解读

• 技术专家路线：在AaaS管控平台领域深耕，成为AI基础设施架构方向的权威专家
• 技术管理路线：随着平台规模扩大，有机会带领团队，负责更大范围的系统架构和团队管理
• 业务拓展路线：深入理解AI业务需求，向解决方案架构师或产品技术专家方向发展
• 负责AaaS管控平台的架构设计与核心功能研发，确保平台的高性能、高可用和可伸缩性
• 深入调研Agentic AI时代对基础设施层的需求，提炼核心能力并设计解决方案，支撑AI业务的规模化增长
• 设计并落地应对海量CPU/GPU弹性需求的系统架构，持续提升系统容量与稳定性
• 利用Agent、Harness等框架，提升内部系统的研发、运维和诊断效率
• 精通Java或Golang，具备3年以上开发经验，熟悉性能调优和高并发编程
• 具备大规模分布式系统的设计、研发与运维经验，熟悉分布式中间件、资源编排框架和数据库原理
• 熟悉Docker、Kubernetes等云原生技术栈，有大规模集群运维经验者优先
• 了解Agent Infra、Agent Sandbox、Agent RL等前沿技术，有AI开发工具应用经验者优先

申请策略

• 提前了解阿里云AaaS平台和AI基础设施业务方向，在面试中展现对业务的理解
• 准备1-2个深度技术项目案例，能够清晰阐述架构设计、技术选型和性能优化过程
• 重点突出大规模分布式系统设计和研发经验，特别是高并发、高可用架构的落地案例
• 强调Java/Golang的深度使用经验，以及性能调优和复杂问题解决的实际案例
• 突出Kubernetes、Docker等云原生技术栈的实战经验，如有开源项目贡献需重点提及
• 如果有AI相关项目经验，如Agent平台构建、MCP部署等，务必在简历中详细描述
• 系统梳理分布式系统核心理论，如一致性、容错、弹性伸缩等，并准备相关项目案例
• 深入学习Kubernetes的架构原理和最佳实践，了解HPA等弹性伸缩机制

面试指南

• 回答技术问题时，采用STAR法则（情境-任务-行动-结果），清晰描述项目背景、个人职责、具体行动和量化成果
• 回答架构设计问题时，先明确业务需求和约束条件，再阐述整体架构、关键组件和技术选型，最后说明如何保障系统的性能、可用性和可扩展性
• 回答前沿技术问题时，展现对技术原理的理解，并结合实际场景说明应用价值，体现技术热情和思考深度
• 请介绍一个你设计过的大规模分布式系统架构，如何保证高可用和可伸缩性？
• 在Kubernetes集群中，如何实现HPA？如何应对突发的流量高峰？
• 你对Agent as a Service（AaaS）平台的理解是什么？如何设计一个Agent管控系统？
• 如何优化一个高并发系统的性能？请分享一个具体的调优案例
• 谈谈你对Agent Infra、Agent Sandbox等技术的理解，以及它们在实际业务中的应用场景