Alibaba logo
阿里巴巴
ATH-AI创新事业部-Qoder Cloud Agent研发工程师-Agent Infra方向

ATH-AI创新事业部-Qoder Cloud Agent研发工程师-Agent Infra方向

发布于 1 小时前

普通员工/个人贡献者

AI 估算 · 3.5–6.0万 · AI 参考估算
中级经验
本科
全职员工仅现场办公AI算法
AI算法
Go
System Design

值不值得投

76综合评分

综合评分 76

阿里核心AI基建岗,技术前沿挑战大,发展空间广阔,但工作强度可能较高

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AI算法中位数高

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 5060 个在招 · 其中AI算法 92 个

市场机会

选择面较广

杭州 · AI算法 · 约 100 个在招

职位详情

关于这个职位

负责阿里巴巴Qoder Cloud Agent平台的底层基础设施研发,包括Agent运行时(Harness)的核心链路设计、高并发分布式底盘建设及上下文记忆体系优化

需具备扎实的分布式系统功底与AI Agent框架深入理解,支撑海量Agent调用的稳定性与成本可控

最低要求

本科或硕士以上学历,计算机相关专业优先,2 年以上分布式系统研发经验,能力突出者可放宽

精通 Go、Java、Python 中至少一种,熟练掌握 OOP 与并发编程、网络编程模型,能独立负责中等规模服务的架构与落地
分布式与高并发硬功底:熟悉 Kubernetes / 容器 / 沙箱技术,掌握分布式一致性、事件驱动、缓存分层、限流配额与容量压测,有大规模在线服务稳定性建设经验
具备 Harness 设计架构能力(核心要求):能从零设计或重构一套 harness,熟悉agent loop、提示词工程、上下文工程、多Agent协同等技术
熟悉主流商业与开源 Harness 并深入研究过数家,熟悉其应用场景和技术原理:包括开源Harness,如Deepseek Harness、Codex、OpenCode、Openclaw、Hermes Agent
Agent开源框架,如Langchain、Agentscope、Spring ai等技术
商业Agent Infra,如AWS AgentCore harness、Anthropic Managed Agents
优先条件:沙箱 / Serverless 运行时、大规模存储与文件挂载、模型推理与成本优化、Agent 评测与 SWE-Bench、AI Coding 或研发效能工具经验
热衷技术社区,参与过开源建设或自建 Agent 框架
优秀的沟通与协作能力,持续学习的热情,能快速响应AI领域的快速变化,驱动产品技术创新

工作职责

负责云端 Agent Harness 核心链路:Session / Turn 状态机、agent loop 编排、事件流处理、长程任务持久执行

负责高并发分布式 Agent Infra 底盘:沙箱池化与预热、冷启动优化、跨资源与跨地域调度、配额限流与弹性伸缩、容量规划与常态化压测,支撑海量Agent调用的稳定与成本可控
负责上下文、记忆与工具体系:Memory Store 与 Dreaming机制、Skills 与 MCP 工具集成、上下文工程优化,持续降低单位成功任务的耗时与 Token消耗
负责被集成交付面:Agent模板体系、IM 渠道、生态Connector、Webhook 与事件订阅、定时与批量任务、多语言 SDK、多模态交互,为企业提供更多开箱即用的能力,打造B2B2C的Agent平台

AI 洞察

优缺点分析

优点

  • 依托阿里庞大算力与数据资源,项目影响力大
  • 技术迭代极快,需持续跟进最新Agent框架与模型能力
  • 对AI底层技术有浓厚兴趣,具备扎实分布式系统功底,追求技术深度与行业前沿的资深工程师

缺点 / 挑战

  • 处于AI Agent赛道最前沿,技术栈极具前瞻性和挑战性
  • 高并发场景下的稳定性与成本控制压力巨大

角色解读

  • 向AI基础设施架构师方向发展,或成为Agent平台领域的技术专家,主导前沿AI工程化落地
  • 构建和维护云端Agent的运行环境(Harness),确保Agent在多轮对话和复杂任务中的稳定执行
  • 精通Go/Java/Python等后端语言,深入理解分布式系统、容器化技术及高并发架构设计

申请策略

  • 准备详细的技术案例,说明如何优化Agent运行效率或解决分布式一致性问题
  • 关注阿里达摩院或通义实验室的最新动态
  • 突出分布式系统设计经验,特别是高并发、低延迟场景下的解决方案
  • 展示对主流Agent框架(如Langchain)的源码级理解或二次开发经验
  • 深入学习LLM应用工程(Prompt Engineering, Context Engineering)及Agent编排逻辑
  • 强化Kubernetes高级特性与Serverless架构实践

面试指南

  • 采用STAR法则(情境-任务-行动-结果),重点阐述架构设计的权衡过程(Trade-off)、性能瓶颈分析及最终量化成果
  • 请设计一个支持百万级并发Agent调用的分布式Harness架构
  • 如何处理Agent运行过程中的状态持久化与断点续传?
  • 对比Langchain与其他Agent框架,你认为各自的优劣是什么?
  • 如何在保证安全性的前提下实现Agent的沙箱隔离与资源调度?
  • 复习分布式系统核心理论(CAP定理、一致性协议)
  • 梳理过往项目中关于微服务治理、容器编排的具体案例
  • 了解当前主流AI Agent的技术范式

职位点评

薪资福利85
成长发展95
工作生活40
使命价值70

薪资福利

85较高

作为上市巨头企业的核心研发岗,提供具有竞争力的薪酬包及完善的福利体系,满足度高。

薪资信号偏高 (3.5千–6.0万/月)

成长发展

95较高

直接参与前沿AI Agent基础设施建设,技术栈领先,个人成长空间极大。

技术前沿前沿/新兴技术
技术栈Agent、Harness、Kubernetes、Langchain、Serverless、Distributed Systems
业务类型profit_center

工作生活

40较低

互联网大厂核心部门通常工作节奏较快,JD未提及弹性工作制,可能面临一定的工作强度。

工作模式未明确
办公地点市区核心地段
加班情况未提及(无法判断)

使命价值

70中等

推动企业级AI应用落地,具有明确的商业价值和技术创新意义,但社会公益性较弱。

行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新(行业首创)
Watch Jobs