阿里巴巴
Agent Loop/Runtime智能系统专家-阿里星
Agent Loop/Runtime智能系统专家-阿里星
发布于 大约 19 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Go
Llm
Tool-Use
任务规划
分布式系统
值不值得投
72综合评分
综合评分 72
技术前沿、要求顶尖、成长空间巨大的AI系统架构岗，对WLB和物质回报有合理预期者可积极考虑。
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
65K
比人工智能中位数高
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 2510 个在招 · 其中人工智能 约 240 个
市场机会
选择面较广
杭州 · 人工智能 · 约 280 个在招
职位详情
关于这个职位
这是一个专注于设计与实现下一代智能体（Agent）运行时（Runtime）与规划循环（Loop）的前沿技术专家岗位
你将负责将大模型能力、任务规划、工具调用与云原生基础设施深度融合，为千问办公等创新场景构建稳定、高效、可扩展的智能系统，并推动核心算法与系统架构的协同创新，产出顶会论文或开源成果
最低要求
计算机、人工智能、分布式系统、操作系统等相关专业博士，或极其优秀的硕士/本科
在LLM/Agent算法或云原生/分布式系统一侧具备深入、连续的研究积累，并有能力跨越另一侧完成联合设计
原则上在NeurIPS、ICML、ICLR、ACL、KDD、SOSP、OSDI、NSDI、EuroSys、ASPLOS等CCF-A/国际顶会发表过高水平论文（建议3篇及以上），或拥有同等影响力的开源及工业成果
深入掌握以下至少一个方向，并理解其与另一侧的关键接口：Agent规划、Tool-use、Memory、Context Engineering、强化学习与评测
或Sandbox、Serverless、分布式调度、状态存储、故障恢复与可观测性
具备极强编码和系统实现能力，熟练掌握Python、Go、Rust或C++，能够从研究原型推进到大规模生产系统
能洞察复杂问题并进行跨层建模，具备好奇心、创新意识和协同影响力，愿意同时为Agent效果与系统稳定性负责
工作职责
联合设计千问办公Agent Loop与云原生Runtime，以端到端任务效果为目标，推动模型、规划、上下文、工具执行和运行环境协同演进
研发长程任务规划、记忆与上下文管理、Tool-use、反思纠错和失败恢复机制，并结合Runtime状态、资源约束及故障信号实现动态重规划
设计Sandbox、Session、Checkpoint/恢复、工具执行、弹性调度和可观测体系，保障Agent任务稳定、连续、可复现地运行
建设贯穿模型—Loop—Skill—Runtime的全链路Trace、评测和问题归因体系，以线上数据驱动效果、稳定性和成本持续优化
支撑Coding、文档、IM、AI+硬件和企业工作流等创新场景，将核心突破沉淀为顶会论文、专利或开源成果
优先资格
主导过复杂Agent或大规模分布式系统
参与OpenCode、Codex类Harness、Kubernetes、Firecracker、gVisor、Ray、vLLM等有影响力的开源项目
AI 洞察
优缺点分析
优点
- 技术极其前沿，处于AI Agent与云原生系统交叉创新的最前线，能积累稀缺的跨领域经验
- 公司平台大，能接触到大规模系统和复杂场景，有资源将研究成果落地并产生广泛影响
- ‘阿里星’计划本身是高潜力人才项目，能获得更多的关注和成长机会
- 作为高阶岗位，预期解决的问题复杂度高，对独立思考和创新能力要求极高
- 适合拥有顶尖计算机学科背景（博士优先），同时在AI算法和分布式系统两个领域都有深入研究和实践积累，并热衷于解决技术难题、追求技术极致的候选人
缺点 / 挑战
- 技术挑战极大，要求同时精通算法和系统两个高深领域，并实现有效融合，门槛非常高
- 对论文和成果有明确要求（顶会论文或同等影响力产出），学术与工程双重压力并存
角色解读
- 技术专家路径：持续深耕Agent系统架构，成为该领域的顶尖技术专家或架构师
- 技术管理路径：带领小规模技术团队，负责特定模块或子系统的技术方向和攻坚
- 学术与影响力路径：产出高影响力论文或开源项目，成为业界有影响力的技术布道者
- 设计并实现智能体（Agent）的核心运行时（Runtime）架构，让AI Agent能够稳定、高效地执行复杂任务
- 构建Agent的任务规划、记忆管理和工具调用机制，使其具备长程思考和动态调整能力
- 打通从底层模型到上层应用的全链路，通过评测和监控持续优化系统的效果、稳定性和成本
- 需要具备深厚的计算机系统功底，特别是分布式系统、云原生架构和操作系统知识
- 需要精通大语言模型（LLM）应用开发，尤其是Agent规划、强化学习等前沿算法
- 需要极强的编码能力，能用Python、Go等语言实现从研究原型到生产系统的跨越
- 需要具备跨领域（算法与系统）的架构设计能力和解决复杂工程问题的视野
申请策略
- 仔细研究‘千问办公’和‘阿里星’项目的技术博客或公开分享，理解业务背景和技术栈偏好
- 在面试中展现你对‘Agent Loop与Runtime协同’这一核心挑战的独立思考，而不仅仅是复述JD要求
- 突出顶会论文发表情况，并详细描述论文中解决的核心问题、技术方案与贡献
- 详细展示在Agent系统或分布式系统/云原生领域的深度项目经验，特别是从设计到落地的完整案例
- 明确列出精通的系统编程语言（Go, Rust, C++等）和对操作系统、分布式原理的理解深度
- 如有参与知名开源项目（如JD中提到的Ray, vLLM, K8s等），需清晰说明自己的贡献
- 系统性地梳理Agent规划（如ReAct, Plan-and-Solve）和Runtime系统（如Serverless, 容器调度）的知识体系，准备跨领域的技术讨论
- 深入研究一两个具体的云原生或分布式系统组件（如etcd, containerd）或Agent框架（如LangChain, AutoGen）的源码，准备深度技术剖析
面试指南
- 使用STAR-L（Situation, Task, Action, Result, Learning）结构回答项目问题，重点突出技术决策的权衡和跨领域的整合思考
- 采用分层架构的思路回答系统设计问题，从接口定义、核心模块、底层基础设施逐层阐述，并关联到可靠性、可观测性等非功能需求
- 结合经典系统理论和前沿AI研究来回答概念性问题，例如将分布式系统的共识机制类比到多Agent协同，体现知识迁移能力
- 请介绍一个你主导的、同时涉及AI算法和系统设计的复杂项目，遇到了哪些跨层挑战？如何解决的？
- 你认为一个生产级的Agent Runtime最关键的三个特性是什么？如何从架构上保障这些特性？
- 如果让你为千问办公设计一个Agent的错误恢复机制，你会考虑哪些因素？请描述你的技术方案
- 请解释一下Reinforcement Learning from Human Feedback (RLHF) 在Agent任务中的应用与挑战，以及系统层面需要做哪些支持？
- 你如何看待Agent的长期记忆（Long-term Memory）管理？它与传统的缓存或数据库系统在设计上有何异同？
职位点评
薪资福利70
成长发展95
工作生活35
使命价值85
薪资福利
70中等
作为阿里巴巴‘阿里星’计划的高阶技术岗位，其薪酬待遇在市场应具备较强竞争力，能提供较好的物质回报。
薪资信号面议 (50K-80K/月)
成长发展
95较高
这是技术成长的黄金机会。职位处于AI与系统架构创新的最前沿，技术栈极其先进，且要求产出顶会论文/开源成果，能带来巨大的技能提升和技术影响力。
技术前沿前沿/新兴技术
技术栈Agent、LLM、Runtime、Sandbox、Serverless、分布式调度、强化学习、Tool-use、Python、Go、Rust
成长机会将核心突破沉淀为顶会论文、专利或开源成果
业务类型profit_center
工作生活
35较低
JD未提及任何办公模式或工作强度相关信息。该岗位技术挑战极高，且要求跨领域联合设计、保障稳定运行，预期需要投入大量时间和精力解决复杂问题。
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
85较高
该职位探索AI Agent的终极形态，旨在构建能自主完成复杂任务的智能系统，具有很强的开拓性和社会价值潜力，属于行业高速发展的核心赛道。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号支撑Coding、文档、IM、AI+硬件和企业工作流等创新场景
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
Watch Jobs