基础设施与稳定性工程-Agent Infra 工程师-AIOps&AI可观测

优缺点分析

角色解读

• 在阿里巴巴集团内部，可向技术专家或技术管理方向发展，主导更大规模的AI基础设施平台建设
• 随着AIOps和AI可观测性成为行业热点，可成为该细分领域的顶级专家，影响力辐射整个行业
• 有机会参与OpenTelemetry等国际开源标准制定，提升个人在技术社区的影响力和话语权
• 设计并实现面向AI全栈的端到端Tracing体系，覆盖LLM推理、Agent编排和工具调用链路，确保AI系统可观测、可调试
• 建设AI系统核心质量与安全度量体系，包括Agent性能、任务完成率等指标，并开发AI场景专属的异常检测与根因分析能力
• 基于大模型和AI Agent技术，构建智能运维平台，实现风险左移、故障事前检测和智能诊断恢复，降低系统MTTR
• 参与OpenTelemetry等社区开放标准的设计，推动AI可观测性技术生态的发展
• 精通Python、Go、Java、Rust中至少一门语言，具备扎实的编程基础和系统架构设计能力
• 深入理解分布式系统设计，包括缓存、消息队列、微服务治理等核心技术
• 具备大模型（LLM）或AI Agent在复杂系统中的实际落地经验，能评估和优化LLM的可靠性
• 熟悉可观测性领域（Metrics/Tracing/Logging）的技术栈，如OpenTelemetry、Prometheus、Jaeger等

申请策略

• 在申请时，可以详细阐述你对AI可观测性、AIOps未来发展的理解和思考，展现技术视野
• 了解阿里巴巴集团在AI基础设施方面的布局和业务场景，在面试中体现对业务的理解
• 重点突出在AI可观测、AIOps或LLM应用方面的项目经验，特别是LLM Gateway、Agent链路追踪等具体项目
• 强调在分布式系统、微服务治理方面的架构设计能力，以及主导复杂系统从0到1落地的经验
• 展示对OpenTelemetry、Prometheus等开源项目的贡献或深度使用经验，体现社区影响力
• 如有顶会论文（如KDD、NSDI、ICML等）或开源项目贡献，务必在简历中突出
• 深入学习OpenTelemetry标准，了解其最新进展和AI相关扩展，可尝试为社区贡献代码
• 熟悉Langfuse、Arize等AI可观测平台，了解其设计思路和核心功能

面试指南

• 回答技术设计问题时，采用'背景-挑战-方案-结果'的STAR结构，突出个人贡献和量化成果
• 对于AI可靠性问题，可以从模型评估、数据闭环、降级策略等角度展开，体现系统性思考
• 对于开放性问题，先明确问题定义，再提出技术方案，最后讨论权衡和取舍，展现架构思维
• 请描述一个你主导设计的复杂分布式系统，如何保证其高可用和可扩展性？
• 如何评估和优化一个LLM Agent系统在生产环境中的可靠性？请举例说明
• 谈谈你对OpenTelemetry标准的理解，以及它如何应用于AI全栈的可观测性？
• 在设计一个故障诊断系统时，如何利用大模型和知识图谱来降低MTTR？
• 你如何通过数据驱动的方式验证一个技术方案（如AIOps）的业务价值？