阿里巴巴
AI创新事业部-SRE 工程师-Qoder
AI创新事业部-SRE 工程师-Qoder
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DevOps/SRE
DevOps/SRE
Ai Agent
Go
Opentelemetry
Sre
分布式系统
混沌工程
高可用架构
值不值得投
77综合评分
综合评分 77
阿里核心创新业务、前沿AI+SRE技术栈、高成长高挑战、薪酬优厚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DevOps/SRE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 4960 个在招 · 其中DevOps/SRE 37 个
市场机会
选择面较广
杭州 · DevOps/SRE · 53 个在招
职位详情
关于这个职位
负责构建AI驱动编程平台Qoder的稳定性保障体系，涵盖可观测性、发布安全、性能工程及容量治理
通过建设SRE Agent与AI Native平台，自动化故障排查与应急响应，降低MTTI/MTTR，确保全球多Region架构的高可用性与业务连续性
最低要求
本科及以上学历，计算机科学、软件工程或相关专业
年以上云产品SRE经验（或云上大规模在线服务的稳定性建设经验），主导过至少一项体系级建设（可观测/压测/混沌工程/自动化运维，从0到1自建并被其他域复用，非配置现成平台）
编程能力：精通Go/Java至少一门语言，能独立完成平台级系统的设计与上线
具备云上基建的工程化视角：熟悉VPC/网络、数据库、缓存、消息队列、网关、K8S的常见形态与故障模式，能对服务做单点、依赖、容量维度的风险拆解并推动落地
深入掌握稳定性核心手段并有实战：全链路监控与Trace（Prometheus/OpenTelemetry等任一栈）、限流熔断降级、灰度发布与回滚、容灾切换
具备容量规划或故障复盘主导经验，理解SLO/Error Budget的运营方式
有跨团队推动标准落地的经验与表达抽象能力：能把方法论收敛成Checklist、模板和工具，让各业务域愿意用
面对效果兑现慢的横向工作有耐心
工作职责
可观测体系与告警治理：统一Qoder全球多种交付形态的监控口径与故障定级大盘，整合可观测入口，制定告警分级标准、治理噪点并推动Alert as Code，让问题看得见、报得准、有人接
变更安全与发布体系：建设按租户保障等级编排的灰度发布体系，落地自动化回归门禁、应用与DB schema强制绑定、分批断点与快速回滚，让发布风险左移
正确性验证与性能工程：建设计费、额度、账期的主动巡检与模型行为回归基线，建立核心接口性能基线（P50/P90/P99）与发布后退化阻断，推动故障注入与演练常态化
恢复能力与容量治理：收敛限流、熔断、降级、快恢开关与容灾切换能力并推动降级自动触发，定义容量基线与安全水位，完成关键资源容量治理与弹性扩缩验证
架构风险治理与多地域稳定性：维护服务分级表与架构Checklist，定期审计单点、跨地域依赖与网关接入层风险并推动闭环，支撑多Region多活与容灾演练
SRE Agent与AI Native稳定性平台：建设AI Native的稳定性平台（SRE排查Agent、变更检查Agent、告警协同），把排查SOP与应急预案沉淀为Agent可执行能力，降低故障定位（MTTI）与恢复（MTTR）时间
优先资格
加分项：
a. 有多Region/全球化架构下的稳定性建设经验（跨地域数据同步、流量调度、容灾演练）
b. 有AI Agent/LLM应用落地经验，运维或可观测场景（自动诊断、告警降噪、巡检Agent）优先，其他场景亦可
c. 有可观测数据层/查询引擎等纵深系统的从0到1建设经验，并扛过相应规模
d. 有云厂商或云产品线SRE经历（计算/网络/存储/数据库任一层），处理过该产品的线上故障与容量问题
AI 洞察
优缺点分析
优点
- 阿里平台资源丰富，技术视野开阔，有利于个人品牌积累
- 需应对AI模型迭代带来的不确定性，对故障排查能力要求极高
- 跨团队推动标准化工作可能面临阻力，需要极强的沟通协调能力
- 希望在大厂核心创新业务中发挥影响力的技术人员
缺点 / 挑战
- 处于AI for Code前沿赛道，技术挑战性强，能接触大规模全球架构
- 薪酬福利体系完善，具备较高的职业天花板
- 作为新业务部门，可能需要从0到1搭建体系，压力较大
- 适合热爱技术挑战、具备扎实工程基础和创新思维的资深SRE工程师
角色解读
- 向高级SRE专家或稳定性架构师发展，深耕AI+运维领域
- 可转型为技术管理岗，带领团队构建更智能的自动化运维体系
- 在AI原生应用稳定性方向成为行业标杆专家
- 构建和维护AI编程平台Qoder的全链路稳定性体系，包括监控、发布、性能和容量管理
- 利用AI Agent技术自动化故障排查和应急响应流程，提升系统自愈能力
- 协调跨团队标准化落地，确保全球多Region架构的高可用性
- 精通Go或Java进行平台级系统开发
- 熟练掌握K8s、微服务架构及主流可观测性工具（Prometheus/OpenTelemetry）
- 具备混沌工程、灰度发布、容灾切换等高级稳定性治理能力
- 拥有跨团队协作能力和方法论抽象能力
申请策略
- 关注阿里达摩院或阿里云相关技术博客，了解其技术栈偏好
- 准备针对‘AI+SRE’结合点的深度思考，展现对新技术的敏感度
- 突出从0到1搭建可观测性或自动化运维平台的经历，强调实际解决的复杂故障案例
- 展示Go/Java高阶编程能力及对K8s底层原理的理解
- 量化稳定性提升成果（如MTTR降低比例、故障率下降等）
- 深入学习AI Agent在运维场景的应用逻辑，了解LLM基本原理
- 强化混沌工程和故障注入实战经验
- 提升文档撰写和跨团队沟通能力，学会将技术方案转化为业务价值
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述故障排查案例，重点突出思维过程和最终成效
- 对于架构设计题，先明确需求约束，再分层阐述（采集、存储、分析、展示），最后给出演进路线
- 对于推广类问题，强调共赢思维和试点先行策略
- 请分享一次你主导的最复杂的线上故障排查过程，你是如何定位根因的？
- 如果让你设计一个支持百万并发用户的AI编程平台的可观测体系，你会怎么做？
- 如何在保证发布安全的前提下，提高迭代效率？请举例说明你的灰度发布策略
- 你认为AI Agent在SRE场景中最大的挑战和机会分别是什么？
- 如何推动其他业务团队采纳你制定的稳定性标准和工具？
职位点评
薪资福利85
成长发展95
工作生活40
使命价值80
薪资福利
85较高
阿里集团提供具有市场竞争力的薪资包，包含丰厚的年终奖和股票期权，整体薪酬水平处于行业高位。
薪资信号未披露（AI估算：3.5千–6.0万/月）
成长发展
95较高
岗位处于AI for Code最前沿，涉及大量技术创新和从0到1的建设，技术成长空间巨大，非常适合追求技术突破的人才。
技术前沿前沿/新兴技术
技术栈AI Agent、LLM、SRE、Go、Java、Kubernetes、Prometheus、OpenTelemetry、混沌工程
成长机会快速成长、前沿探索
业务类型profit_center
工作生活
40较低
互联网大厂核心研发岗位通常工作强度较高，JD中未提及弹性工作或远程办公，暗示可能需要随时响应全球时区的故障应急。
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
80较高
致力于通过AI技术提升全球开发者的生产力，重新定义人机协作方式，具有显著的技术社会价值和行业影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号重新定义人与机器协同创造的方式、转化为真实世界中数百万开发者的生产力
创新程度开拓性创新（行业首创）
阿里巴巴 的其他在招职位
相似职位推荐
[LPS] Senior System Specialist (Kubernetes)
联想 · 香港特别行政区
AI 估算 · 4.5–7.5万1 小时前发布
大模型推理SRE工程师（深圳/北京）
腾讯 · 深圳市
AI 估算 · 3.5–6.0万2 天前发布
混元AI平台SRE工程师（深圳/北京）
腾讯 · 深圳市
AI 估算 · 3.0–5.0万2 天前发布
Senior Consultant Specialist
汇丰 · 西安市
AI 估算 · 3.5–6.0万2 天前发布
Senior Consultant Specialist
汇丰 · 广州市
AI 估算 · 3.5–6.0万2 天前发布
Consultant Specialist
汇丰 · 广州市
AI 估算 · 2.5–4.0万2 天前发布
Consultant Specialist
汇丰 · 广州市
AI 估算 · 2.5–4.0万2 天前发布
Consultant Specialist
汇丰 · 广州市
AI 估算 · 2.5–4.0万2 天前发布
Watch Jobs