【27届实习】阿里云开放平台-基于大语言模型和OpenAPI的云平台智能运维系统-A Star

1、负责研发AIOps系统，通过LLM结合OpenAPI/MCP等技术，实现云客户的自动化运维，提升运维效率和稳定性； 2、设计与开发前沿AI智能体： 构思、原型化并评估新颖的、基于LLM的自主智能体，能够基于云平台产品和OpenAPI执行端到端的IT事件管理任务，包括智能日志分析、多模态异常检测、根本原因分析（RCA）以及自动化修复方案的生成与执行 ； 3、探索与实施尖端LLM技术： 深入研究并应用最先进的LLM技术，包括但不限于： •MCP/Skills为客户侧AIOps系统提供与云平台OpenAPI进行集成的标准化接口； •利用检索增强生成（RAG）为模型提供丰富的、上下文感知的运维数据（如日志、指标、追踪）； •设计和实现多智能体协作框架，让多个专用智能体协同解决复杂的系统故障； •通过模型微调（Fine-tuning）和提示工程（Prompt Engineering），提升模型在特定运维任务上的性能和可靠性； 4、解决核心研究挑战： 专注于攻克将LLM应用于AIOps领域的关键难题，包括但不限于： •研究并提出创新方法以减轻模型的“幻觉”（Hallucination）问题，确保在生产环境中的决策可靠性，例如通过引入外部知识库或标准操作程序（SOPs）进行约束； •开发资源高效型（Resource-Efficient）模型和算法，在保证卓越性能的同时，解决LLM高昂的计算成本和延迟问题； 5、推动科学严谨性与可复现性： 建立和利用科学的评估基准与框架（Benchmark），对所研发的模型和智能体进行严格、可复现的性能评测，并与业界SOTA（State-of-the-art）方案进行比较； 6、发表与分享研究成果： 将创新工作和实验发现撰写成高质量的学术论文，并在全球顶级的AI、系统和软件工程会议（如ICSE、FSE、OSDI、NSDI、KDD、VLDB等）上发表，引领该领域的学术发展方向。

1、拥有计算机科学或相关领域的博士学位，研究方向为人工智能、机器学习、自然语言处理或分布式系统； 2、在上述领域的顶级学术会议或期刊上拥有出色的论文发表记录； 3、对现代LLM（尤其是基于Transformer的架构）有深刻的理解，并具备应用、微调和评估这些模型的实践经验； 4、具备出色的编程能力，精通Python及至少一种主流深度学习框架（如PyTorch、TensorFlow）。 【加分项】 1、熟悉云计算产品、技术和OpenAPI，了解如何构建基于云的运维系统； 2、有构建能够与外部工具或环境交互的AI智能体（AI Agent）的实际经验； 3、熟悉现代云原生技术栈，包括微服务架构、容器化（Kubernetes）以及可观测性工具（如Prometheus、Jaeger、ELK Stack）； 4、对AIOps领域的当前研究现状和公开基准（如AIOpsLab、OpenRCA、LogEval）有深入了解者优先； 5、具备处理和推理异构数据（如日志、指标、追踪）的经验，以解决复杂的根因分析问题； 6、对创建领域专用语言模型（如BERTOps）或探索强化学习在智能体优化中的应用有浓厚兴趣。