阿里巴巴
千问办公-AI应用研发工程师
千问办公-AI应用研发工程师
发布于 6 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
Llm Api
Sandbox
Websocket
消息队列
值不值得投
78综合评分
综合评分 78
阿里通义千问核心AI Infra岗，技术栈前沿且成长空间大，薪资竞争力强，但工作节奏与压力可能较大。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
3万
比后端开发中位数低
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 2870 个在招 · 其中后端开发 74 个
市场机会
选择面较广
杭州 · 后端开发 · 约 160 个在招
职位详情
关于这个职位
该职位主要负责千问办公产品的底层架构与AI应用研发，包括设备接入网关的长连接管理与反向推送链路建设，以及云端Agent代码执行沙箱平台的开发与性能优化
你需要运用Go/Java/Rust等语言，结合LLM API，打造高并发、低延迟的AI基础设施
最低要求
本科及以上学历，计算机及相关专业
熟练掌握 Go、Java、Rust 中的至少一种，具备扎实的计算机基础和并发编程能力
熟悉关系型数据库，了解 Redis、消息队列及常见性能优化方法
调用过主流 LLM API，理解流式响应的基本原理
会使用 Git、Linux、Docker，具备日志分析、接口调试和单元测试能力
熟练使用AI 编程工具，能够验证生成结果并对最终代码质量负责
认真负责、自驱，能够清晰分析和表达技术问题
工作职责
设备接入网关：负责移动端与 PC 端设备接入：WebSocket 长连接管理、协议编解码、会话注册与位置（presence）管理
建设反向推送链路，凭位置信息直连持有会话的实例下推，支撑设备到设备的请求与事件流
云端沙箱运行时：建设与演进 Agent 代码执行沙箱平台，覆盖沙箱生命周期管理（创建/暂停/释放/保活）、资源池化预热、多 Provider 抽象与路由
持续优化建箱与文件系统挂载性能，压降冷启动耗时
优先资格
有 AI Agent / Sandbox / 代码执行环境 / Serverless 运行时相关建设经验
有长连接网关经验（WebSocket、大规模连接管理、推送系统）的设计与运维经验
有分布式存储或大规模文件服务经验，理解分片路由、对象存储与凭证体系
AI 洞察
优缺点分析
优点
- 参与阿里通义千问核心AI产品的底层基础设施建设，技术栈前沿，涉及LLM API、Agent Sandbox等热门领域
- 能积累高并发长连接网关与云端沙箱运行时的稀缺实战经验，技术壁垒高，市场竞争力强
- 大厂平台提供完善的工程化规范与AI工具支持，有助于养成良好的代码习惯与架构思维
- 高并发设备接入与反向推送链路需要处理复杂的分布式状态与网络异常问题，对系统稳定性要求苛刻
- 适合具备扎实后端基础、对AI大模型底层基础设施感兴趣，且渴望在高并发与云原生沙箱领域深耕的开发者
缺点 / 挑战
- 沙箱生命周期管理与冷启动优化对底层系统理解要求极高，涉及资源池化与多Provider路由，技术挑战大
角色解读
- 从AI应用研发工程师向资深后端专家或AI基础设施架构师发展，深入大模型底层运行时技术
- 积累高并发长连接网关与云端沙箱运行时的稀缺实战经验，成为AI Infra领域的顶尖技术人才
- 负责移动端与PC端设备接入网关的开发，管理WebSocket长连接与反向推送链路，保障设备间请求与事件流的稳定传输
- 建设并优化云端Agent代码执行沙箱平台，管理沙箱生命周期与资源池化，降低冷启动耗时
- 结合主流LLM API与流式响应原理，打造高并发、低延迟的AI应用底层基础设施
- 熟练掌握Go/Java/Rust至少一种，具备扎实的计算机基础与并发编程能力
- 熟悉关系型数据库、Redis、消息队列及常见性能优化方法，熟练使用Git/Linux/Docker等工程化工具
- 了解主流LLM API调用及流式响应原理，能熟练使用AI编程工具并对代码质量负责
申请策略
- 了解阿里通义千问办公产品的业务形态，思考设备接入与Agent沙箱在实际办公场景中的结合点，面试时展现业务思考
- 突出Go/Java/Rust等语言的并发编程经验，以及WebSocket长连接、消息队列等中间件的使用与调优经历
- 强调对LLM API的调用经验及流式响应处理机制，展示在AI应用层的实际落地能力
- 展示使用AI编程工具提升代码质量与开发效率的具体案例，体现对新技术的拥抱态度
- 提前了解或实践Agent代码执行沙箱（如gVisor、Firecracker）或Serverless运行时的基本原理与资源隔离机制
- 复习分布式系统中的状态管理、资源池化及冷启动优化方案，准备高并发网关的设计思路
面试指南
- 采用“背景-挑战-方案-结果”的STAR法则回答项目经验，突出你在复杂系统中的核心贡献与量化收益
- 对于系统设计题，从需求分析、架构设计、核心组件选型、性能优化与容灾降级等维度结构化展开
- 对于技术原理题，先讲核心概念与底层机制，再结合具体代码或业务场景说明实现细节与踩坑经验
- 如何设计一个支持百万级并发的WebSocket长连接网关？请详细说明架构设计与状态管理方案
- 在云端沙箱生命周期管理中，如何优化冷启动耗时并实现资源池化预热？
- 请描述你调用主流LLM API处理流式响应的具体实现方案与异常处理机制
- 在分布式系统中，如何保证设备到设备的请求与事件流推送的可靠性与顺序性？
- 深入复习Go/Java/Rust的并发模型与内存管理，准备1-2个高并发网关或分布式系统优化的真实项目案例
职位点评
薪资福利85
成长发展90
工作生活50
使命价值80
薪资福利
85较高
阿里核心AI业务线，薪资福利处于行业头部水平，但JD未明确披露具体薪资与福利细节。
薪资信号未披露（AI估算：2千–4万/月）
成长发展
90较高
岗位涉及LLM API、Agent沙箱、高并发网关等前沿AI基础设施技术，技术成长空间极大，紧跟技术潮流。
技术前沿前沿/新兴技术
技术栈Go、Java、Rust、WebSocket、Redis、LLM API、Docker、Agent、Sandbox
业务类型ambiguous
工作生活
50较低
JD未提及工作模式与WLB相关信息，作为AI核心研发岗，通常工作节奏较快，无法判断具体加班情况。
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
80较高
参与通义千问办公产品的AI基础设施建设，推动AI Agent在实际办公场景的落地，具有较高的行业前景与技术使命感。
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
Watch Jobs