招聘信息分享
JOBHUNTER
聚合各大厂 / 国企官网招聘信息，实时同步官方数据
招聘信息分享
JOBHUNTER
聚合各大厂 / 国企官网招聘信息，实时同步官方数据
1. 工程文化建设：基于先进的云原生技术和devops/gitops等实践理念，系统化分析、解决阿里云DataWorks团队研发过程中的效率质量问题，沉淀易用、高效、可复用的平台工具，整体提升云产品持续交付的效率。 2. 输出形态，架构设计：开发和维护用于提升DataWorks平台研发效能的工具和系统，包括但不限于CI工具、集成测试环境维护、CD部署工具流程、自动化测试平台等。 3. 平台工具建设：基于效能领域先进的devops/gitops实践理念，建设和适配阿里云一流的CI/CD平台，提升研发体验和效率；过程可视化，让研发团队每个人能够自主进行DevOps操作。 4. 测试/生产环境运维：使用k8s/docker等云原生技术，建设稳定、高效、易维护的多架构容器化测试环境，提升测试效率。 5. 监控运维：搭建自动化巡检和监控系统，快速发现和定位各种形态的线上问题，提高服务稳定性。
Elasticsearch 作为全球先进的开源搜索与分析引擎，广泛应用于日志分析、安全风控、AI 搜索等关键场景。阿里云 Elasticsearch 是与 Elastic 官方深度合作的托管云服务，已服务阿里集团核心业务及多行业头部客户。 我们同时推进三条产品主线： ● 云原生 PaaS & Serverless：支持全球25+区域用户，构建多可用区容灾、自动化集群编排、亚分钟级弹性伸缩与智能资源调度能力，为企业级工作负载提供高可用运行底座；Serverless 形态支持按需按量、秒级启停、免运维的全托管体验，帮助用户显著优化 TCO。 ● Agent Ready： 通过 ES Agent、分层 Skills 体系与 CLI 工具链，让用户和 Agent 能高效地使用和维护搜索产品，系统性降低 MTTR、缩短 TTV。 ● Agent / AI Native： 将 Elasticsearch 打造为 Agent 生态的原生基础设施——覆盖 AI 搜索引擎层、企业级可审计搜索能力层、记忆 Agent 层。 主要职责： 云原生 PaaS与Serverless平台：设计和持续优化集群全生命周期管理（创建、变更、升级、迁移、弹性扩缩容效率、多可用区容灾编排）；研发智能资源调度与资源池底座，实现资源精细化管理与成本优化；构建 Serverless架构，实现秒级冷启动与按量计费；推进容器化、GitOps、可观测性等云原生底座持续演进。 Agent Ready 产品体系： 落地 ES Agent、分层 Skills（管控运维 / 编程 / 解决方案 / 场景化分析）及 CLI 工具链；推动系统 API 和可观测数据适配 Agent 消费；协同 Elastic 官方完成 Skills 转换上线。 Agent Native 基础设施与智能运维： 构建面向 Agent 生态的多层搜索能力与记忆 Agent 层；研发集群巡检、智能诊断、自动变更编排与自愈能力，结合 LLM Agent 降低 MTTR；推动落地 AI Coding Agent 主导的研发流程，大幅提升研发效率。 加入我们，你将： ● 主导设计高可用、极致弹性的云原生搜索平台，服务近万企业用户； ● 亲手打造 Agent Ready + Agent Native 的下一代云产品范式； ● 践行 AI Native 研发，以 AI Coding Agent 重塑开发流程； ● 与 Elastic 官方及阿里顶尖技术团队深度协同。
我们正在招聘运维开发工程师，负责阿里云大数据&AI平台的售后智能答疑体系和客户体感稳定性体系建设，从用户服务专家的视角来处理超大规模大数据平台承载的用户问题和重保需求，持续提升运维效率，为产品稳定性和服务口碑树立持续贡献力量 该岗位以大数据&AI产品售后答疑工作为业务基础，一方面深度参与共建Agent架构下的智能答疑能力，围绕问题自助答疑、自助诊断和产品改进项提炼等核心场景进行自动化能力建设；另一方面深度参与客户体感稳定性体系和重保能力建设，在对产品架构和稳定性场景深入掌握的基础上，提炼客户实例级稳定性指标，为客户提供更前置的主动隐患发现与重保服务能力 你将与TAM、研发、SRE、平台工程、算法和产品团队协作，推动传统答疑和排查能力向智能化演进，支撑阿里云大数据&AI平台业务高速发展，共建业界一流的智能服务专家团队 工作职责： 1. 负责阿里云大数据&AI产品的售后L3答疑和服务工作，承接前方服务团队的升级工单处理和用户疑难问题排查；组织和提供大客户钉群服务能力，对头部/重要客户进行业务保障；接收客户需求提供业务巡检、大促护航、产品改进推动等重保能力交付 2. 参与基于Agent的智能答疑体系建设，结合大模型、RAG、Skills、Harness engineer等技术能力，落地根因定位、异常检测、SOP执行和运维问答等AI化运维能力 3. 参与客户体感稳定性系统建设，协同产研SRE建立实例级可用率指标，定义客户级体感可用率标准，构建细粒度封网、变更后置、主动巡检和风险发现预防等重保能力，推动客户问题发现与主动服务链路落地，为产品提供更强的增值能力 4. 负责售后支持外包团队的管理，包括答疑提效、人员培养和成本管理等职责
我们正在寻找具备扎实算法研发能力和系统工程思维的技术人才，共同构建面向超大规模云环境的新一代智能运维（AIOps）体系。你将深度参与从问题定义到算法落地的完整闭环，推动AI技术在稳定性保障、故障诊断、效率提升等关键场景中的创新应用。 主要职责包括但不限于： 1. 业务需求分析与算法方案设计 ○ 深入理解阿里云大数据与AI平台在稳定性、性能优化、运维提效等方面的运维痛点，识别核心问题场景，明确算法目标与交付边界； ○ 将复杂运维场景抽象为可建模的问题，结合业界前沿技术完成技术选型与算法方案设计，相关技术包括但不限于： ■ 多维度时间序列异常检测与预测 ■ 日志模式提取、聚类与异常识别 ■ 关联分析和因果推断 ■ 大模型微调（Fine-tuning）与检索增强生成（RAG） ■ 大模型智能体 2. 算法工程化实现与系统建设 ○ 按照团队的算法开发工程规范，完成端到端的算法工程化落地，包括数据清洗、特征工程、模型训练与推理流程的设计与开发等； ○ 设计并建立算法服务的SLA体系，涵盖准确性、响应延迟、稳定性及可扩展性，支撑高并发、低延迟的线上服务能力； ○ 将算法能力集成至智能运维平台，并进行相关产品能力建设，支撑包括变更风险巡检、根因定位、智能答疑等功能模块。 3. 算法评估与调优 ○ 构建科学的测试验证机制量化评估算法效果；建立离线评测与在线A/B测试联动机制，驱动算法持续优化与产品价值验证； ○ 根据实际运行反馈与性能瓶颈，通过参数调优、模型轻量化、计算逻辑重构等方式提升算法效率与准确率。 4. 前沿技术探索与体系建设 ○ 密切跟踪AIOps、时间序列分析、大模型智能体、强化学习、因果推断、知识图谱等领域的最新进展，积极探索AI新技术在运维场景中的落地可能性，助力打造下一代自治云平台。
1. 参与大数据+AI一体化产品MaxFrame的设计、开发与技术演进，支撑阿里集团内部和公有云上的Data+AI一体化计算场景； 2. 能够独立完成项目需要的系统分析、设计，编码，测试和上线部署任务，确保项目的进度、质量和稳定性要求； 3. 技术基础扎实，沟通和团队合作流畅，熟练使用AI工具，乐于分享，能够积极参与团队中的设计评审和代码评审工作，并能给出相关改进建议； 4. 有一定的技术前瞻性，可以对平台演进中的技术需求(如异构集群的数据处理加速)进行预研和设计，满足对大数据+AI平台快速发展过程中，对各项业务场景的客户需求； 5.该职位涉及值班响应的职责，在服务级别协议（SLA）时间内做出对客响应，推动客户问题的解决，改善客户体验。
1. 负责自研 OLAP 引擎的核心架构设计、研发与性能优化，覆盖查询优化器、执行引擎、存储引擎等关键模块；结合不同芯片架构与硬件特性，开展向量化执行、CPU 指令集、SIMD、内存访问、并发模型、NUMA、I/O 路径等底层优化，保障引擎在 x86、ARM 及国产化芯片环境下的高性能、稳定运行。 2. 面向 TPC-H、TPC-DS、SSB、ClickBench 等行业标准基准测试，持续建设性能评测与优化体系，推动引擎在复杂查询、吞吐能力、资源效率等方面保持业界领先水平。 3. 深入理解用户核心业务场景，抽象可复用的引擎能力，持续提升系统的通用性、稳定性与性能表现，打造相较主流开源 OLAP 产品的差异化竞争力。 4. 探索 AI 在数据引擎研发与运行时优化中的落地场景，包括研发提效、Benchmark 分析、性能问题定位、执行计划诊断、Workload / Query Pattern 识别、智能调度、资源预测、参数调优等方向，推动引擎从经验驱动优化向智能化、自适应优化演进。 5. 跟踪数据库、OLAP、云原生数据分析、AI for DB / AI for Engine 等领域的前沿技术，探索查询优化、向量化执行、存储格式、索引加速、资源调度与智能优化等方向的演进机会，持续提升产品技术竞争力。
1. 负责超大规模大数据平台及 AI平台的稳定性保障，围绕监控告警、故障诊断、容量水位、链路治理、变更风险、应急处置和复盘改进等场景，持续提升系统可靠性。 2. 负责生产环境部署、发布、扩缩容、迁移等关键场景的稳定性保障，沉淀交付与运营的标准化方案。 3. 负责支持客户业务平稳迁移方案设计、适配、风险评估，在迁移关键节点提供稳定性兜底。 4. 参与智能运维 Agent建设，结合大模型、RAG、工具调用、自动化编排和知识库能力，落地日志分 析、指标分析、故障归因、异常检测、根因定位、SOP 执行和运维问答等AI化运维能力。
我们正在招聘 AIOps Agent 研发专家，作为核心研发参与阿里云计算平台下的运维平台 Agent 体系的架构设计与系统实现，服务阿里云计算平台产品，把传统工具化、流程化的运维能力研发升级为 AI Native 的平台化、自动化、自主化产品。 工作职责： 1. 负责运维平台 Agent 工程链路研发，让 Agent 在真实运维场景下做到稳定可控、可观测、可治理。 2. 基于大模型、RAG 与自动化编排，端到端研发异常处置、机器自愈、变更风险拦截、Context 底座等，把目前碎片化、流程化的运维能力重构为完整的 Agent 协同产品。 3. GitOps × IaC 变更能力建设：负责 GitOps x Iac 的变更能力建设，覆盖应用与基础设施资源，保障不同产品形态下的统一管控模型与大规模变更场景下的稳定性，并具备 Agent 协同执行的能力。 4. 中台 AI 自主开发能力研发：研发可供 AI 自主行动的中台与 SRE 服务环境，推动中台需求开发与交付向 AI Native 模式演进，让 AI 在真实工程语境下安全完成闭环并保证可审计、可回滚。 5. 平台关键能力研发与稳定性保障：承接运维平台的关键模块的设计、开发、演进与稳定性治理，保障关键服务可用性、监控覆盖与交付质量，并按横向项目节奏推进代码合一、独立部署等研发要求。 6. 与 SRE、算法团队一起，协同识别效率瓶颈与稳定性风险，主导 AI Native 工程方法与研发范式在团队内沉淀。
1. 参与大模型推理系统的架构设计与开发，包括推理网关、请求调度、流量路由等核心模块的建设 2. 负责推理引擎（vLLM/SGLang等）的深度优化与定制化开发，提升推理吞吐与延迟表现 3. 参与PD分离（Prefill-Decode）架构的设计与开发，优化Prefill与Decode阶段的资源分配与协同调度 4. 负责KV Cache存储与管理系统开发，包括KV Cache迁移、共享、淘汰策略的设计与实现 5. 参与模型分发系统开发，支持大模型在多节点间的高效分发与加载 6. 基于线上监控与用户反馈，持续优化推理链路的性能、稳定性与成本效率
1. 参与SQL引擎性能优化，深入分析线上业务SQL执行特征，定位性能瓶颈并设计针对性的优化方案。 2. 负责SQL引擎控制链路的架构优化，设计和实现全链路Cache、异步化改造等方案，提升查询性能与系统稳定性。 3. 参与SQL-AI融合能力建设，实现大模型、Agent与SQL引擎的集成方案，推动Data+AI场景落地。 4. 参与SQL引擎与GPU等异构资源的适配开发，实现向量检索、多模态数据处理等新能力。 5. 支持SQL引擎线上业务，排查疑难问题，完善可观测性建设，持续提升系统稳定性和用户体验。 6. 跟踪大数据与AI融合领域的技术动态，参与关键技术预研与原型验证。
1. Overseas Big Data & AI Market Insight and Competitive Analysis • Identify market opportunities, assess market capacity, and analyze the competitive landscape for Big Data and AI products in overseas markets. • Analyze core metrics, market strategies, and pricing models of international competitors. • Rapidly capture emerging market trends and customer pain points to uncover business opportunities, accelerate solution deployment, and establish a leading competitive edge. 2. International Business Opportunity Assessment and Deep Technical Engagement for Big Data & AI Products • Represent the product line in designing international business strategies and evaluating commercial opportunities for Big Data and AI products. • For complex project requirements, collaborate with sales teams to conduct deep technical exchanges with customers. Leverage insights into industry trends and technological shifts to guide key decision-makers in specific technical scenarios, thereby facilitating opportunity conversion. • Conduct in-depth technical discussions and present product solutions to international clients and English-speaking stakeholders. 3. Solution Design and Technical Support for Big Data & AI Products • For complex projects, thoroughly understand customer business needs, functional/non-functional requirements, performance, and availability standards. Based on specific customer scenarios, deliver technically competitive, feasible, and cost-effective product combination solutions. Provide technical support during product selection, Proof of Concept (PoC), and quotation configuration. • Extract key technical indicators based on customer business scenarios to formulate leading control criteria, validating them through PoCs, win-back initiatives, and other business activities. • Drive cross-team collaboration to optimize solutions for complex projects, enhancing competitiveness across multiple dimensions including cost, performance, and stability. • Explore solutions and scenarios for innovative products to accelerate market coverage and ensure sustained product innovation vitality. • Provide critical post-sales technical Q&A for key accounts, leveraging technology to drive business growth. 4. Product Design and Optimization Support for Big Data & AI Products • Leverage deep understanding of industries and scenarios to participate in the design of major product features, pricing strategies, and user experiences, ensuring the product maintains leadership within specific sectors and use cases. • Identify and precisely distill common customer needs and pain points to feed back into product design, driving product improvements, multi-product integration, and the incubation of new products and features. 5. Best Practice Accumulation and Enablement • Consolidate best practices for niche scenarios; selectively output Infrastructure as Code (IaC) scripts. Summarize benchmark success stories from project implementations to extract common modules and standardize capabilities, accelerating the scaled replication of product solutions. • Highlight product features and performance parameters, designing targeted test cases to amplify product and technical influence. Build solution competitiveness grounded in robust test cases and testing methodologies. • Contribute to the development of Go-to-Market (GTM) materials for Big Data and AI products, co-create joint solutions with partners, and provide enablement training for sales teams and ecosystem partners.
1. 生态渠道运营：主导阿里云大数据AI平台的生态渠道运营与增长策略，覆盖多模态数据处理、模型训练、模型推理到AI搜索的全栈AI能力，联动生态伙伴推动大数据AI产品规模化落地 2. 技术布道与能力建设：面向一线 SA 进行产品方案布道，面向客户开展技术 Workshop，推动客户理解和采用阿里云计算平台大数据AI产品解决方案 3. 重点项目攻坚：深度介入重点客户项目，包括：需求诊断与方案定制、技术选型咨询、PoC 设计与验证、竞品方案对比分析等 4. 技术前瞻与产品反馈：持续跟踪 Data+AI 在生态领域的技术发展趋势，输出竞争分析与趋势洞察，反哺产品迭代 5. 与公司各部门沟通协调，整合内外部资源，达成目标及结果
1. 负责相关产品的定义，设计及商业化落地。具体包括Agent platform涵盖智能体的开发，部署，治理，协同，观测，评估优化等场景，以及相关组件产品，如AI网关，AI资产管理（skill，mcp）等 2. 制定产品策略以及市场策略，以业务成功为导向，协同研发、售前、运营、文档等多角色共同达成业务目标。 3. 深刻理解客户业务和场景需求，特别是追踪AI行业发展趋势及技术发展动态，规划产品演进路径及迭代，在保持好当前产品基本盘的同时，规划面向AI的新产品方向。
本岗位聚焦企业级 AI Agent 平台的数据智能与记忆体系建设，核心目标是通过系统化的工程方法，从 Agent 运行轨迹、业务流程、用户反馈和企业知识中，沉淀可复用的智能资产、流程资产和记忆资产，帮助企业 Agent 持续自进化。岗位重点方向包括 Agent Memory、上下文工程、语义化数据分析、Agent 评估与效果优化。我们特别欢迎在短期记忆、长期记忆、记忆检索、记忆压缩、个性化 Agent、长对话系统等方向有深入实践的同学加入。 1. 负责 Agent 平台数据智能体系建设，构建从 Agent 会话、运行轨迹、工具调用、用户反馈到业务结果的数据闭环，支撑 Badcase 挖掘、失败归因、效果评估和资产沉淀。 2. 负责 Agent Memory 体系建设，设计并实现短期会话记忆、长期用户记忆、企业知识记忆、任务状态记忆等能力，支撑 Agent 在复杂业务场景中的连续交互和个性化服务。 3. 负责记忆系统的工程化建设，包括记忆写入、检索、更新、压缩、衰减、冲突消解、权限隔离和生命周期管理。 4. 负责上下文工程能力建设，围绕 Prompt、Skills、RAG、Memory、MCP Tools 等方向，提升 Agent 的业务理解、工具调用准确率和任务完成效果。 5. 负责企业智能资产和流程资产沉淀，将知识库、Skills、Prompt、Workflow、策略规则、案例库等转化为可复用、可治理、可演进的智能资产。 6. 负责 Agent 效果评估与自进化机制建设，包括评测集、自动评估、指标体系、A/B 实验、LLM-as-Judge、Trajectory Replay 等能力，并持续优化 Agent 效果与推理成本。
我们是阿里云 Agent 平台 团队，致力于打造行业一流 AI 中间件和以 构建 Agent 企业级平台，围绕 Agent 的构建、运行、治理与协作，持续建设 Agent 框架、Multi-Agent 协作、AI 治理、AI Registry、AI 网关等核心能力。团队是 AgentTeams / AgentScope / Spring AI Alibaba / Higress / Dubbo / Nacos 等开源项目的发起团队，影响百万开发者，拥有多个阿里云核心产品化服务，AgentTeams、AI网关，MSE，支撑阿里 Qwen / 百炼 / PAI 等核心业务，支撑国内外众多头部企业及阿里内部创新业务。 1. 参与 Agent 平台 和 AI 中间件的系统设计与实现（包括网关 & AgentScope & AI Registry）， 独立完成相关模块的完整设计、开发工作，并保证功能交付的质量与稳定性。 2. 参与 Agent 平台 和 AI 中间件的用户需求实现，主动组织、推动上下游团队的协作，按时保质地交付用户功能需求。 3. 参与 Agent 平台 和 AI 中间件的高可用能力构建，主动通过架构设计解决高可用容灾，通过单元测试、功能测试、性能测试、容灾演练等持续提升自身负责模块的稳定性能力。 4. 参与 AI 中间件的性能调优，关注前沿技术发展趋势，结合实际场景落地持续提升AI中间件的性能，打造世界一流的AI中间件产品。 5. 参与 AI 中间件的AI场景探索与落地，基于用户需求独自完成设计与开发工作，并保证功能交付的质量与稳定性。 6. 参与 AI 中间件相关的开源项目 AgentTeams、AgentScope、Nacos、Higress 影响力和标准的构建，在开源社区担任重要角色，组织社区持续发展。 7. 参与 AI Agent落地最佳实践构建，通过上下文（ Skills、Prompt、MCP ）工程、评估、持续优化Agent效果。
本岗位聚焦 Agent 时代企业级基础设施建设，重点方向包括 Agent Platform、上下文工程、企业智能数据沉淀、Multi-Agent 架构以及企业 AI 中台集成。你将有机会参与阿里云级 Agent 平台建设，推动 AI Agent 在企业级场景中的高效开发、稳定运行和规模化落地，驱动企业数据智能飞轮持续运转。 1. 负责 Agent Platform 核心能力设计与研发，包括 Agent 开发框架、编排引擎、运行时、Agent Registry、工具管理、评估治理等方向。 2. 负责平台企业智能相关数据业务建设，包括企业知识接入、数据索引、权限治理、召回增强、效果评估和数据闭环，支撑企业级 Agent 应用高质量落地。 3. 负责上下文工程体系建设，围绕 Prompt、Skills、MCP Tools、Memory、知识库等能力，提升 Agent 在复杂业务场景中的理解、调用和任务完成效果。 4. 负责企业 AI 中台与云 Agent Platform 之间的智能集成，打通账号体系、统一鉴权、Agent 治理与管控能力，为企业 AI 中台提供友好、可治理、可管控、可扩展的云 Agent Platform 底座。 5. 参与 Multi-Agent 分布式架构设计，支持跨语言、跨平台 Agent 调用、协同、注册发现、链路追踪和统一治理。 6. 与 AI 网关、模型服务、数据平台等团队协同，持续提升平台高可用、性能、可观测、安全和稳定性能力。
本岗位聚焦 Agent 时代企业级基础设施建设，重点方向包括 Agent Platform、上下文工程、企业智能数据沉淀、Multi-Agent 架构以及企业 AI 中台集成。你将有机会参与阿里云级 Agent 平台建设，推动 AI Agent 在企业级场景中的高效开发、稳定运行和规模化落地，驱动企业数据智能飞轮持续运转。 1. 负责 Agent Platform 核心能力设计与研发，包括 Agent 开发框架、编排引擎、运行时、Agent Registry、工具管理、评估治理等方向。 2. 负责平台企业智能相关数据业务建设，包括企业知识接入、数据索引、权限治理、召回增强、效果评估和数据闭环，支撑企业级 Agent 应用高质量落地。 3. 负责上下文工程体系建设，围绕 Prompt、Skills、MCP Tools、Memory、知识库等能力，提升 Agent 在复杂业务场景中的理解、调用和任务完成效果。 4. 负责企业 AI 中台与云 Agent Platform 之间的智能集成，打通账号体系、统一鉴权、Agent 治理与管控能力，为企业 AI 中台提供友好、可治理、可管控、可扩展的云 Agent Platform 底座。 5. 参与 Multi-Agent 分布式架构设计，支持跨语言、跨平台 Agent 调用、协同、注册发现、链路追踪和统一治理。 6. 与 AI 网关、模型服务、数据平台等团队协同，持续提升平台高可用、性能、可观测、安全和稳定性能力。
本岗位聚焦企业级 AI Agent 平台的数据智能与记忆体系建设，核心目标是通过系统化的工程方法，从 Agent 运行轨迹、业务流程、用户反馈和企业知识中，沉淀可复用的智能资产、流程资产和记忆资产，帮助企业 Agent 持续自进化。岗位重点方向包括 Agent Memory、上下文工程、语义化数据分析、Agent 评估与效果优化。我们特别欢迎在短期记忆、长期记忆、记忆检索、记忆压缩、个性化 Agent、长对话系统等方向有深入实践的同学加入。 1. 负责 Agent 平台数据智能体系建设，构建从 Agent 会话、运行轨迹、工具调用、用户反馈到业务结果的数据闭环，支撑 Badcase 挖掘、失败归因、效果评估和资产沉淀。 2. 负责 Agent Memory 体系建设，设计并实现短期会话记忆、长期用户记忆、企业知识记忆、任务状态记忆等能力，支撑 Agent 在复杂业务场景中的连续交互和个性化服务。 3. 负责记忆系统的工程化建设，包括记忆写入、检索、更新、压缩、衰减、冲突消解、权限隔离和生命周期管理。 4. 负责上下文工程能力建设，围绕 Prompt、Skills、RAG、Memory、MCP Tools 等方向，提升 Agent 的业务理解、工具调用准确率和任务完成效果。 5. 负责企业智能资产和流程资产沉淀，将知识库、Skills、Prompt、Workflow、策略规则、案例库等转化为可复用、可治理、可演进的智能资产。 6. 负责 Agent 效果评估与自进化机制建设，包括评测集、自动评估、指标体系、A/B 实验、LLM-as-Judge、Trajectory Replay 等能力，并持续优化 Agent 效果与推理成本。
1. 业务管理及目标达成 ● 聚焦阿里云AI相关产品进行策略制定/打法落地/资源协调等工作；带领团队规模化作战，拿到AI商业化营收、利润、客户活跃留存、资源调用规模等相关业绩结果 ； ● 拆解并理解公司/组织目标；建立日/周/月绩效追踪机制，通过外呼量/转化率/折扣率等指标细化过程管理，确保业绩结果健康度； ● 增加AI原生客户数量，稳中有升发展存量头腰部客户；积极开源，引入更多AI原生新客户，并提升客户活跃度和留存率； ● 建立商机/PPL/转化全流程管理体系，通过数据发现业务问题并改进；发现优秀行业案例，推动全员复制，提升整体转化效率 2. 组织管理及产品赋能 ● 带领销售主管对一线销售选/用/育/留/汰等组织管理动作，精准识别人员画像，保持团队活力与人效水平； ● 运用自身的销售/产品/行业knowhow，与SA一起完成团队能力升级，搭建适配AI原生业务的组织梯队 3. 风险管理及文化建设 ● 从产品管理/政策管理/组织管理/业绩健康度等多个角度防控风险，保障业务稳定运营及现场作业安全合规； ● 推动文化建设建设，传递并践行阿里使命/愿景/价值观；调动现场氛围，打造一支有激情/守纪律/听指挥/爱学习的作战部队
1、供应链系统架构与开发：负责生产、仓储、物流核心模块的后端设计与编码，保障高并发下的系统稳定性与数据一致性；主导代码评审与技术重构，解决性能瓶颈。 2、AI Agent 落地与应用：基于大模型技术，设计并开发供应链场景专用的 AI Agent（如智能补货、自动调度、异常预警），实现从需求分析、Prompt 工程到工具调用（Function Calling）的全链路闭环。 3、AINative 系统改造：推动传统系统向 AI 原生架构演进，构建适配 Agent 的数据接口与记忆机制，确保系统能自主感知业务状态并执行决策。 4、稳定性与安全治理：制定高可用策略，负责线上故障排查、容灾演练及安全生产规范落地，确保业务零中断。 5、技术规划与预研：跟踪 AI 前沿技术，结合业务痛点输出技术方案，平衡短期交付与长期架构扩展性。