Alibaba logo
阿里巴巴
千问办公-AI 全栈工程师-工作台

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

AI 估算 · 4.5–7.5万 · AI 参考估算
高级经验
学历未注明
全职员工仅现场办公AI算法
AI算法
Agent框架
Go
Llm Api
Mcp协议
Opentelemetry
Service Mesh

值不值得投

75综合评分

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

你将围绕多租户、权限、配额计费、审计、可观测性和模型工具编排,打造面向企业客户的可控 AI 应用基础设施

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

熟悉云原生技术体系:Kubernetes、Docker、Service Mesh、微服务治理,有基于K8s 构建或运维生产级服务的实际经验
熟悉主流 LLM API 范式与 Agent 框架,理解 Context Window、Function Calling、MCP 协议等核心概念,具备实际的接口设计与调试经验
具备 Prompt Engineering 与 Context Engineering 实战经验,能系统性地设计、评测和工程化沉淀 Prompt
熟悉企业级安全基础组件:身份认证与授权、密钥管理、审计日志、数据脱敏、API网关与流控,有安全合规落地经验者优先
持续跟进 AI 领域前沿,能独立消化英文一手资料并转化为工程实践
习惯使用 AI 编码 Agent 辅助开发,专注于架构决策与质量把控

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

主导 AI 应用与 Agent 运行链路的安全加固,涵盖身份认证、密钥托管与透明替换、数据脱敏、提示词注入防护、内容安全护栏与运行时行为约束,确保企业场景下零密钥外泄、可管可控
设计全链路审计体系,覆盖用户请求、Agent 决策、工具调用、模型出入参等关键事件的采集、留痕与合规导出,支撑安全审计与事后追溯
构建 AI 应用可观测性基础设施——基于 OpenTelemetry 实现 Tracing / Logging /Metrics 全覆盖,结合评测体系、灰度发布与根因分析,形成持续迭代闭环
设计企业数据与工具接入方案,包括 MCP 数据源集成、智能路由、结构化数据查询与向量检索,使 Agent 在受控范围内可靠获取企业内部信息
参与模型与工具的智能编排,根据任务复杂度、延迟、成本与安全等级动态选择最合适的模型与工具组合

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

有 AI Guardrail / Harness 方向的探索经验,如 Agent 执行链路中的运行时校验与自动纠偏机制
有企业安全、合规审计(等保 / GDPR)相关项目经验,或参与过面向 B 端的私有化/ 混合云交付
有借助 AI Agent 独立完成大规模工程任务的经历,或有可展示的开源项目与社区影响力

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78
成长发展92
工作生活45
使命价值76

薪资福利

78中等

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。

薪资信号未披露(AI估算:4.5千–7.5万/月)

成长发展

92较高

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。

技术前沿前沿/新兴技术
技术栈Java、Python、Go、Kubernetes、Docker、Service Mesh、LLM API、Agent、Context Window、Function Calling、MCP、Prompt Engineering、Context Engineering、OpenTelemetry、向量检索、AI Guardrail
成长机会持续跟进 AI 领域前沿、独立消化英文一手资料并转化为工程实践
业务类型ambiguous

工作生活

45较低

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。

工作模式未明确
办公地点未明确
加班情况未提及(无法判断)

使命价值

76中等

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。

行业发展高速增长赛道
社会影响中性/一般
使命信号确保企业场景下零密钥外泄、可管可控、支撑安全审计与事后追溯
创新程度积极采用新技术
Watch Jobs