基础设施与稳定性工程-Agent Infra 工程师-研发协作和交付平台

优缺点分析

角色解读

• 在阿里内部，可深耕基础设施与平台工程领域，从工程师晋升为高级工程师/技术专家，负责更复杂的系统
• 随着AI Agent研发模式的兴起，可成为AI基础设施方向的核心专家，参与定义下一代交付范式
• 可横向扩展至云原生、DevOps工具链、效能平台等方向，或转向技术管理岗位
• 负责Aone交付系统的重构与演进，建设Agent友好的端到端可信发布能力，确保发布流程自动化、智能化
• 推进合规发布能力建设，对现有发布系统进行合规化改造，满足安全与合规要求
• 探索AI在交付领域的应用，构建面向AI Agent的发布基础设施，推动发布分析、风险检查、异常诊断等环节的智能化升级
• 扎实的编程基础，精通至少一门主流语言（如Java/Python），具备系统设计能力
• 熟悉Linux操作系统和分布式服务架构，理解进程、网络、IO等底层机制
• 理解DevOps/CI/CD流程，掌握应用发布生命周期，有Kubernetes实践经验更佳
• 关注AI技术，愿意使用AI工具提升研发效率，并具备AI基础设施建设经验优先

申请策略

• 在面试中表达对交付平台智能化的理解，展现问题分析和解决复杂工程问题的能力
• 了解阿里巴巴研发效能体系（如Aone）的背景，准备相关案例
• 突出后端/基础平台项目经验，尤其是复杂系统设计和分布式架构的实践案例
• 强调DevOps/CI/CD相关经验，如发布平台、部署流水线、容器化改造等，体现对发布生命周期的理解
• 如果了解Kubernetes，描述具体使用场景，如滚动发布、服务编排、资源管理
• 如果使用过AI工具（如Copilot、ChatGPT）提升研发效率，可以写入简历，展现对AI的关注
• 系统复习Kubernetes核心概念（Pod、Deployment、StatefulSet、健康检查、滚动发布），可尝试建立小型集群实验
• 深入学习Linux内核、网络、IO，巩固系统基础知识

面试指南

• 对于系统设计类问题，采用STAR方法：描述背景、任务、行动和结果，突出架构决策和权衡
• 对于技术概念题，先解释核心概念，再结合自身项目举例，最后总结要点
• 对于AI应用类问题，结合你在实际工作中使用AI工具的经验，展示你对AI趋势的思考
• 请谈谈你对DevOps和CI/CD的理解，以及应用发布的生命周期中关键环节
• 描述一个你设计或开发的分布式系统，遇到哪些挑战，如何解决？
• 你如何理解Agent友好的发布能力？AI可以如何改造交付流程？
• Kubernetes中的滚动发布是如何工作的？如果发布失败如何回滚？
• 复习Kubernetes核心机制，尤其是Deployment和StatefulSet的发布策略