阿里巴巴
千问办公-Agent 观测与诊断平台研发工程师-杭州
千问办公-Agent 观测与诊断平台研发工程师-杭州
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公后端开发
后端开发
Go
Opentelemetry
后端开发
大模型应用
故障诊断
系统架构设计
值不值得投
76综合评分
综合评分 76
前沿AI技术栈、高成长潜力、大厂平台背书，但工作强度可能较大
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
4.8万
比后端开发中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 4140 个在招 · 其中后端开发 约 110 个
市场机会
选择面较广
杭州 · 后端开发 · 约 210 个在招
职位详情
关于这个职位
负责千问办公Agent观测与诊断平台的架构设计与核心研发，通过链路追踪、智能诊断和自动化评测提升问题定位效率
需深入业务场景，将排查经验转化为可复用的平台能力，并参与售前售后技术协作
最低要求
扎实的软件研发能力：三年及以上后端、全栈或技术平台研发经验，有实际系统开发和上线经历，能够独立完成需求分析、技术方案设计、核心代码实现及交付
熟练的编程与工程实践能力：熟练掌握 Python、Java、Go、TypeScript/JavaScript 等至少一种主流开发语言，具备良好的代码设计、调试、测试和版本管理习惯
良好的系统设计基础：熟悉 API、数据库、缓存、消息队列及异步任务等常见技术，能够围绕数据采集、任务执行和结果分析设计合理的服务架构
深入分析复杂问题的能力：能够结合源码、日志、监控和调用链还原问题过程，提出并验证根因假设，形成可复现的结论，并通过工程手段解决共性问题
对大模型应用与 Agent 的理解：理解模型调用、工具调用、任务编排及上下文管理等基本机制，具备大模型应用开发或集成实践
良好的抽象与沟通能力：能够从具体用户问题中提炼通用需求，将人工排查过程转化为平台功能
能够理解业务场景、清晰解释技术问题，并与产品、研发及客户协作推动问题解决
工作职责
Agent 观测与诊断平台研发：负责平台架构设计与核心模块开发，建设问题接入、证据采集、链路分析、智能诊断、结果展示和处理反馈等能力，独立承担相关模块的设计、编码、测试与上线
Agent 执行链路观测：建设日志、Trace、会话上下文、模型请求、工具调用及执行结果的采集与关联分析能力，还原 Agent 任务执行过程，支持从用户任务到具体执行步骤的问题追踪
智能诊断与根因分析：结合大模型、Agent 编排和诊断工具，研发自动化问题分析能力，定位任务失败、执行超时、重复执行、工具调用异常、上下文处理异常及 Token 消耗异常等问题，输出有证据支撑、可追溯的诊断结论和改进建议
问题回放与诊断评测：将真实问题沉淀为可复现案例和评测集，建设执行回放、自动化评测及回归验证能力，持续提升诊断准确率，验证修复效果，减少同类问题重复发生
平台工程质量与持续优化：负责平台的可维护性、稳定性及运行效率，完善任务调度、数据存储、权限控制和监控机制，优化诊断时延与运行成本，推动平台融入产品研发和问题处理流程
技术答疑与售前售后协作：参与产品技术答疑、售前场景验证及售后复杂问题排查，与产品、研发及业务团队协作推动问题解决
将高频问题、排查路径和解决经验持续沉淀为诊断规则、知识资产及自动化能力
优先资格
参与过 Agent 平台、可观测平台、智能诊断平台、研发效能平台或自动化评测平台的研发
有 OpenTelemetry、日志分析、分布式链路追踪或应用性能分析相关实践
有 Agent 执行回放、问题归因、评测集建设、诊断准确率优化或 Token 成本优化经验
有企业级产品的复杂问题排查及技术验证经验，并曾将处理经验转化为实际上线的软件功能或自动化工具
AI 洞察
优缺点分析
优点
- 技术前沿性强：直接参与大模型Agent观测与诊断平台建设，接触业界领先的AI技术应用
- 业务价值显著：解决AI产品痛点，提升用户体验与运维效率，成果可直接量化
- 平台型视野：不仅关注单一功能，更涉及全链路数据治理、自动化评测与系统工程，拓宽技术广度
- 大厂背书：阿里巴巴核心业务线，简历含金量高，利于长期职业发展
- 技术复杂度极高：需同时掌握传统后端工程与大模型Agent机制，跨领域知识融合难度大
- 问题定位困难：AI行为具有黑盒特性，自动化诊断与根因分析缺乏成熟范式，探索成本高
- 适合具备3年以上后端研发经验，对AI/Agent技术有浓厚兴趣，且擅长系统性思考与复杂问题拆解的中高级工程师
缺点 / 挑战
- 业务压力大：作为内部效能平台，需快速响应业务方需求，迭代节奏快，对稳定性要求极高
角色解读
- 技术专家方向：成为AI平台架构师或可观测领域技术专家，主导复杂系统设计与技术攻关
- 解决方案方向：转型为AI应用解决方案专家，连接技术与业务，提供端到端的智能化落地方案
- 团队管理方向：积累项目与管理经验后，向技术负责人或团队Leader发展，带领团队交付关键平台
- 负责千问办公Agent观测与诊断平台的架构设计与核心代码开发，构建从数据采集到智能诊断的全链路能力
- 利用大模型和Agent技术实现自动化问题定位与根因分析，提升故障排查效率
- 建立问题回放与自动化评测体系，将人工排查经验转化为可复用的平台功能与知识资产
- 协同产品、研发团队进行售前验证与售后复杂问题诊断，保障平台稳定运行与持续优化
- 扎实的编程功底：精通Python、Java、Go或TS/JS中至少一种，具备优秀的工程实践习惯
- 系统设计与架构能力：熟悉API、数据库、缓存、消息队列等技术，能设计高可用服务架构
- 故障排查与分析能力：擅长结合日志、Trace、源码进行深度问题还原与根因定位
- AI领域认知：理解大模型调用、Agent编排机制，有相关应用开发或集成实践经验
申请策略
- 准备1-2个复杂的线上故障排查案例，清晰阐述排查思路、工具使用与最终解决方案
- 研究千问办公的产品形态，尝试理解其Agent工作流，展现对业务的敏感度
- 面试中多体现“平台化”思维，即如何通过技术手段批量解决问题而非单点修补
- 突出大型分布式系统设计与高并发处理经验，强调系统稳定性与性能优化成果
- 重点展示故障排查与根因分析案例，体现从现象到本质的深度挖掘能力
- 若有AI/LLM相关项目，务必详细说明Agent编排、Prompt工程或模型调优的具体实践
- 强调工程化思维，展示如何将人工经验转化为自动化平台或工具，提升团队效能
- 深入学习OpenTelemetry、Jaeger等可观测性标准与工具，掌握分布式追踪原理
面试指南
- STAR法则：情境(Situation)-任务(Task)-行动(Action)-结果(Result)，重点描述个人贡献与技术决策
- 结构化思维：先宏观架构，再微观细节
- 先讲通用原则，再结合具体案例
- 数据驱动：用量化指标（如MTTR降低百分比、覆盖率提升比例）证明方案有效性
- 反思总结：不仅讲成功，也要提及遇到的坑与改进空间，体现成长型思维
- 请分享一个你处理过的最复杂的线上故障，你是如何定位根因并解决的？
- 如何设计一个高可用的分布式链路追踪系统？需要考虑哪些关键指标？
- 在大模型应用中，如何有效监控Token消耗与延迟？有哪些优化策略？
职位点评
薪资福利85
成长发展92
工作生活45
使命价值70
薪资福利
85较高
作为已上市巨头企业的核心研发岗，提供极具竞争力的薪酬包（通常含股票/期权），福利体系完善，满足度高。
薪资信号偏高 (3.5千–6.0万/月)
成长发展
92较高
岗位聚焦大模型Agent这一前沿领域，技术栈先进，且涉及平台架构设计与自动化评测，对个人技术成长与职业天花板提升帮助巨大。
技术前沿前沿/新兴技术
技术栈Agent、大模型、OpenTelemetry、分布式链路追踪、Python、Java、Go
业务类型profit_center
工作生活
45较低
互联网大厂核心研发岗通常伴随较高工作强度与快节奏，JD未提及弹性工作制或不加班承诺，WLB预期较低。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
70中等
致力于提升AI产品的用户体验与运行效率，通过技术手段解决实际问题，具有一定的社会价值与行业影响力。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs