基础设施与稳定性工程-AIOps Agent 研发工程师-杭州

优缺点分析

角色解读

• 在AIOps和智能运维领域深耕，成为技术专家或架构师，主导集团级稳定性系统的演进
• 结合AI大模型技术，向智能运维、AI平台架构等方向发展，成为跨领域技术专家
• 有机会晋升为技术Leader，带领团队负责更大范围的稳定性体系建设
• 主导集团稳定性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，覆盖变更前、变更中、运行态的全链路风险治理
• 基于大模型和AI Agent技术，建设智能化风险检测引擎，包括代码变更分析、历史故障模式匹配和SOP推理等
• 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、服务依赖拓扑、容量基线等多源数据
• 通过历史故障结构化分析，沉淀标准SOP，并建设故障自动诊断与智能恢复能力，降低MTTR
• 精通Python/Go/Java/Rust中至少一门语言，具备扎实的工程基础和系统架构思维
• 熟悉分布式系统设计，包括缓存、消息队列、微服务治理等
• 具备大模型（LLM）在复杂系统中的实际落地经验，能评估其可靠性、边界与误判风险
• 有丰富的运维和稳定性领域经验，理解微服务、云原生和可观测体系

申请策略

• 了解阿里巴巴的稳定性治理体系，如全链路压测、故障演练等
• 在面试中强调数据驱动和结果导向的思维方式，以及跨团队协作能力
• 突出在复杂系统中落地LLM的实际项目经验，包括效果评估、反馈闭环和可靠性分析
• 强调分布式系统设计和微服务治理经验，以及在高并发、低延迟场景下的架构设计能力
• 展示运维和稳定性领域的项目成果，如故障诊断、容量规划、监控体系等
• 如有开源贡献或顶会论文，务必突出，这是重要加分项
• 深入学习AIOps相关技术，如异常检测、根因分析、故障预测等
• 了解主流开源AIOps项目（如SkyWalking、Elastic ML）的架构和实现

面试指南

• 采用STAR法则（情境-任务-行动-结果）回答项目经验问题，突出你的角色和贡献
• 对于技术方案设计问题，先阐述核心思路，再细化架构设计，最后说明权衡和取舍
• 对于AI应用问题，强调数据驱动、效果评估和迭代优化
• 请描述一个你主导的复杂系统设计项目，如何确保高可用和性能？
• 你如何评估LLM在风险检测场景中的可靠性？如何减少误报和漏报？
• 请谈谈你对风险左移和故障事前检测的理解，以及如何落地？
• 在分布式系统中，如何设计一个高可用的风险检测引擎？
• 你如何与多个团队协作，推动一个跨团队的技术方案落地？