
千问办公-AI 全栈工程师-工作台
发布于 1 小时前普通员工/个人贡献者
值不值得投
综合评分 75
杭州AI平台高级技术岗,前沿技术密集、成长性强,办公与生活节奏信息未披露
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
6.0万
与AI算法中位数基本持平
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 5110 个在招 · 其中AI算法 96 个
市场机会
选择面较广
杭州 · AI算法 · 约 110 个在招
职位详情
关于这个职位
该职位面向千问办公 AI 工作台,负责企业级 AI 管控平台的服务端架构、云原生底座与 Agent 运行链路安全建设
最低要求
扎实的服务端工程能力,熟练使用 Java / Python / Go 中至少一门语言,具备高可用分布式系统的设计与落地经验
工作职责
负责 AI 工作台企业级管控平台的服务端架构与核心开发,围绕多租户隔离、权限模型、配额计费、模型与工具准入等核心域,构建面向企业客户的云原生管控底座
优先资格
有 AI Infra / LLMOps / Agent 平台等基础设施建设经验,熟悉多模型统一接入、限流熔断、内容安全等能力的落地
AI 洞察
优缺点分析
优点
- 岗位处于AI应用平台与企业级Agent基础设施方向,技术栈覆盖LLM、Agent、云原生和安全治理,成长性强
- 工作内容贴近企业客户真实场景,能积累多租户、权限、审计、密钥托管、内容安全等高价值平台能力
- 团队与业务场景复杂,适合希望在大规模工程架构和AI工程化方向深度沉淀的工程师
- 加分项覆盖AI Infra、LLMOps、Guardrail、合规审计等前沿方向,技术积累具有较好的迁移价值
- 需要同时掌握分布式系统、云原生、LLM/Agent机制和企业安全合规,技术跨度较大
- 企业场景下对稳定性、安全性、可审计性要求高,架构设计需要兼顾灵活性与强管控
- 适合具备高级服务端或平台架构经验、希望转向AI Infra与Agent平台建设的工程师,尤其适合对云原生、安全治理和LLM工程化都有兴趣的人
缺点 / 挑战
- Agent运行链路涉及模型、工具、数据和安全多层环节,问题定位、评测和根因分析复杂度较高
角色解读
- 可向AI Infra、LLMOps、Agent平台架构方向深入,成为企业级AI应用基础设施的架构负责人
- 可向安全合规与平台治理方向发展,聚焦AI Guardrail、运行时校验、审计合规和企业私有化交付
- 长期可演进为技术专家或平台型技术管理者,负责更大规模的AI工作台、模型工具生态和企业智能应用底座
- 负责AI工作台企业级管控平台的服务端架构与核心开发,重点覆盖多租户隔离、权限模型、配额计费、模型与工具准入等企业管控能力
- 围绕Agent运行链路做安全加固,包括身份认证、密钥托管、数据脱敏、提示词注入防护、内容安全护栏和运行时行为约束
- 设计全链路审计与可观测体系,采集用户请求、Agent决策、工具调用、模型出入参等事件,并基于OpenTelemetry建设Tracing、Logging、Metrics能力
- 参与企业数据、工具和模型的接入与编排,结合MCP、向量检索、智能路由等能力,让Agent在受控范围内可靠使用企业信息
- 需要扎实的服务端工程能力,至少熟练掌握Java、Python、Go之一,并能设计落地高可用分布式系统
- 需要熟悉Kubernetes、Docker、Service Mesh、微服务治理等云原生技术,并具备生产级服务构建或运维经验
- 需要理解LLM API、Agent框架、Context Window、Function Calling、MCP协议,并具备接口设计与调试经验
- 需要具备Prompt Engineering、Context Engineering、企业安全组件、审计日志、数据脱敏和API网关流控等综合能力
申请策略
- 面试前应了解千问办公和AI工作台的产品定位,思考企业客户为何需要可管可控的AI应用平台
- 沟通时尽量用架构图或链路图说明复杂系统,突出你在安全、稳定性、可扩展性和工程效率之间的权衡能力
- 重点突出高可用分布式系统设计经历,尤其是多租户、权限模型、配额计费、API网关、流控或审计日志等平台化项目
- 突出Kubernetes、Docker、Service Mesh、微服务治理的生产落地经验,说明你在稳定性、可观测性和灰度发布中的具体贡献
- 展示LLM API、Agent框架、Function Calling、MCP、Prompt/Context Engineering相关实践,最好有可量化的效果或评测结果
- 补充企业安全、数据脱敏、密钥管理、内容安全、等保或GDPR相关经验,体现面向B端复杂场景的治理能力
- 可提前准备一个Agent平台或LLMOps项目案例,覆盖模型统一接入、工具调用、审计、评测、限流熔断和可观测性设计
- 加强对MCP协议、Agent运行时约束、Prompt注入防护、内容安全护栏和自动纠偏机制的理解
面试指南
- 先画整体架构,再按身份鉴权、租户隔离、模型工具准入、执行编排、审计可观测、安全护栏分层展开
- 回答安全类问题时,按照风险识别、防护机制、运行时校验、审计留痕、事后追溯和持续评测的顺序说明
- 回答架构决策问题时,用业务约束、技术取舍、稳定性指标、扩展性设计和落地效果来组织,避免只罗列技术名词
- 如何设计一个支持多租户隔离、权限模型、配额计费和模型工具准入的企业级AI管控平台?
- Agent运行链路中如何防止密钥外泄、提示词注入和越权工具调用?
- 如何基于OpenTelemetry设计覆盖用户请求、Agent决策、工具调用和模型出入参的全链路可观测体系?
- MCP数据源集成、结构化查询和向量检索在企业场景中如何做安全边界与智能路由?
- 面对任务复杂度、延迟、成本和安全等级不同的请求,如何设计模型与工具的动态编排策略?
职位点评
薪资福利
JD未披露薪资与福利信息,但岗位要求高级服务端、云原生和AI平台能力,通常对应较高技术价值。稳定性与福利相关承诺未在JD中明确提及。
成长发展
岗位覆盖AI Infra、LLMOps、Agent平台、安全护栏、可观测性和模型工具编排,技术成长空间非常明确。JD还强调持续跟进AI前沿并转化为工程实践,发展性动机匹配度高。
工作生活
JD仅明确地点为杭州,未说明远程、弹性、双休或加班情况,办公模式信息不足。生活化动机只能基于地点明确这一点做有限判断。
使命价值
岗位服务于企业客户AI工作台,强调可管可控、安全审计、零密钥外泄和合规追溯,具有较好的企业级基础设施价值。JD未直接表达社会使命或公共价值导向。
阿里巴巴 的其他在招职位