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
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。
1、负责业务风控策略的制定与优化，通过数据分析和业务理解，及时发现并处理潜在风险； 2、建立和完善风险监控指标体系，确保能够提前预警并有效应对各类风险事件； 3、与产品、技术、运营等团队紧密合作，推动风控策略的实施与落地，确保业务安全稳定运行； 4、深入分析业务数据，挖掘风险特征，持续优化风控模型，提升风险识别的准确性和效率； 5、定期对风控策略进行评估和复盘，总结经验教训，为后续策略调整提供数据支持和改进建议； 6、参与跨部门协作，协调各方资源，确保风控策略的有效执行，并推动风控体系的不断完善。
1. 全模态数据流水线与架构建设：参与万亿级、EB级海量多模态数据（涵盖多语言文本、图像、音频、视频及 Agent 行为数据等）的采集、存储、清洗与加工。设计并实现高效率、高质量的全模态流程编排引擎及核心处理算子（Pipeline），保障海量异构数据的规模化流转与高扩展性。 2. 全模态数据自动化标注：能够结合深度学习与多模态大模型技术，研发并落地智能化的数据处理策略。利用算法模型进行跨模态特征提取与对齐、低质量噪声数据过滤、复杂场景下的异常数据拦截与高价值数据挖掘，大幅提升数据处理的自动化水平与数据质量。 3. 多模态数据对齐、评估与合成：主导大规模“图-文”、“视-文”、“音-文”等多模态对齐数据的规模化生产，尤其是在稀缺数据领域，探索并落地智能标注与前沿的数据合成（Data Synthesis）技术。与算法团队紧密合作，深度参与多模态大模型SFT及对齐阶段的高质量数据集构建、配比调优与评测，并通过评测结果反向持续优化语料质量。 4. 数据资产化与科学分析：主导AI应用的全流程数据仓库与数据分析研发工作，包括数据同步、数据建模、数据计算、数据挖掘分析与数据可视化；构建高扩展性、高一致性、高业务价值的AI应用核心数据资产体系，确保指标准确、及时与可追溯 5. 关注数据处理领域的新技术、新工具和新方法，积极参与技术分享和团队内部培训，推动团队的技术升级和创新。
1、对所负责的互联网大客户的业务结果负责。全面了解客户的业务架构、技术架构、组织架构等情况，识别和挖掘客户需求，能与客户CXO级别对话，影响客户决策，推动商机转化，拿回业务结果，实现客户价值。 2、传递阿里云产品和技术价值。基于对客户的了解以及对市场和友商的了解，能够独立与客户沟通适配的阿里云产品和解决方案，清晰传递价值和竞争力。 3、有效整合公司内外部资源，对外推动客户采用和持续使用阿里云的产品和方案，对内推动产品解决方案和流程体系的优化，实现客户体验提升，持续位客户创造价值。 4、做好客户全生命周期的业务支持和服务，保障客户满意度。
岗位职责： 1、负责AI技术在垂直行业（如商品信息聚类、消费者购买的决策卖点抽象、AIGC能力的大规模内部运营与商家端协同等领域）的场景化应用设计，主导具体的AI产品解决方案规划与落地； 2、基于行业问题通过提提供AI技术能力实现复杂的业务场景分析--》机会挖掘--》整合技术资源（如AI算法、数字孪生、自动化系统），构建可规模化复用的标准化解决方案； 3、协同行业运营、技术、风控、财税等跨职能团队，推动AI产品在复杂业务场景中的验证、迭代及商业化应用，确保项目按时交付并达成业务目标； 4、持续跟踪行业趋势与技术创新，结合业务实际需求提出可行的AI应用场景，输出具备商业价值的技术驱动型产品路线图； 关键能力： 1、具备将AI技术（如机器学习、计算机视觉、NLP）转化为行业垂直化解决方案的能力，并能够按具体业务场景通过Prompt生成Skill，打通技术与业务之间的转化路径； 2、拥有从0到1的行业级解决方案成功案例，能主导复杂项目的需求拆解、技术选型及方案设计，具备系统性思维和问题解决能力； 3、具备敏锐的行业洞察力，能够结合AIGC、Prompt拆解、垂直化/边缘计算等前沿技术趋势，结合业务场景提出创新性的产品设计； 4、拥有创业型思维，在不确定性环境中快速决策，擅长跨团队协作与资源整合，适应高强度工作节奏及快速迭代模式。
1、熟悉账户风险/反作弊风险防控，具备良好的数据分析能力，具备较强的风险对抗经验，熟练掌握风险挖掘、风险监控、案件分析、识别-决策-管控全链路的策略设计/部署/迭代、效能评估等技能； 2、基于历史数据和专家经验，基于数据分析、挖掘，设计针对账户风险、营销作弊等风险的安全策略，并且持续优化，为风险结果负责； 3、监控并沉淀实时风险对抗与运营能力，设计和构建智能化风险治理产品、流程与机制，上下游协同，推动风控模型能力迭代、风控产品升级、数据基础升级等。
1、基于飞猪酒店业务，进行高星酒店业务拓展，保证所辖区域高星酒店覆盖率； 2、结合阿里生态&市场特性为高星酒店客户提供运营方案，帮助商家提升运营能力并驱动销量持续提升，与所辖区域商家并建立深度业务合作关系； 3、协同产品、运营团队，推动业务及项目落地，持续优化用户体验。
1、基于飞猪酒店业务，进行高星酒店业务拓展，保证所辖区域高星酒店覆盖率； 2、结合阿里生态&市场特性为高星酒店客户提供运营方案，帮助商家提升运营能力并驱动销量持续提升，与所辖区域商家并建立深度业务合作关系； 3、协同产品、运营团队，推动业务及项目落地，持续优化用户体验。
1、基于飞猪酒店业务，进行高星酒店业务拓展，保证所辖区域高星酒店覆盖率； 2、结合阿里生态&市场特性为高星酒店客户提供运营方案，帮助商家提升运营能力并驱动销量持续提升，与所辖区域商家并建立深度业务合作关系； 3、协同产品、运营团队，推动业务及项目落地，持续优化用户体验。
1.负责日常工作计划、人员安排、进度控制及现场把控； 2.规范仓库管理，及时报告相关信息； 3.根据仓库出库规章、流程处理差异； 4.根据仓库订单情况，进行出库生产，确保出库时效； 5.对业务流程提出改善措施和方案，并组织实施； 6.负责仓库5S工作，可视化管理实施情况； 7.定期进行培训和考核，提升员工素质及工作效率。
1. 深度参与核心业务架构与研发：深度参与淘宝搜索、拍立淘及AI助手等亿级流量核心业务的客户端架构设计、功能研发与持续优化。聚焦用户体验与商业效率的双重提升，你将与产品、算法、前端等多团队紧密协作，从需求洞察到技术落地，全程驱动搜索功能的迭代演进，打造“快、准、懂你”的智能搜索体验。 2. 主导端侧基础设施与性能极致优化：主导搜索客户端基础库、通用组件及动态化框架的建设与升级，构建高内聚、低耦合、可扩展的技术底座。通过自动化、可视化的工具链，解决启动速度、流畅度、内存占用等极致性能难题，显著提升业务迭代效率与系统稳定性，为搜索业务的规模化发展提供坚实支撑。 3. 探索端智能与AI交互的前沿方向：积极探索“端侧AI”与搜索融合的创新场景，重点投入图像搜索（以图搜图）、多模态理解、大模型（如GPT类技术）在移动端侧的工程化落地。推动“从关键词到意图理解”、“从结果列表到对话式导购”的体验跃迁，你将有机会参与从0到1的创新产品孵化，定义行业领先的智能搜索新范式。 4. 参与 Agent 系统核心模块的设计与落地，覆盖任务规划、推理执行、上下文增强、记忆管理、工具编排以及运行时稳定性保障；深度对接业务场景，将通用 Agent 框架沉淀为面向业务的可复用能力组件；负责从需求拆解、Prompt/工作流设计、工具与数据接入、灰度上线到效果回流的全链路交付，确保 Agent 在真实流量下满足业务的准确率、时延与成本指标。 5. 构建 Agent 全链路观测与 Trace 体系，记录 Agent 执行过程中的上下文输入、工具调用、文件变更、测试结果、人工干预、失败原因和最终产物；支持对 Agent 行为、任务效果、失败 case、成本和性能进行多维分析与归因，为后续优化和规模化落地提供依据。建立自动化评测、回测和 case 分析机制，围绕真实业务任务构建评测数据集、验证标准和效果指标；通过模型选择、上下文优化、工具链改造、Prompt / Skill 调整、Workflow 编排等方式，持续提升 Agent 的任务成功率、稳定性、可控性和交付质量
1.任务设计与审核：评估标注评测任务的场景真实性、要求完备性与专业合理性，确保任务定义清晰可落地； 2.AI产出质量审核：对AI生成的报告、表格、代码、演示文稿等成果进行专业审校，校验结论准确性、数据可靠性与业务规范符合度，判定成果可用性； 3.AI执行过程审核：基于AI执行记录，评估其任务理解、方法选择、信息调用、步骤完整性及验证充分性，定位过程性缺陷与逻辑断点； 4.评价标准审核：审查评分标准的完整性、清晰度与可执行性，校验关键要求覆盖度，识别遗漏、冗余、过度拆分及权重失衡等问题； 5.问题标注与改进建议：对审核发现的问题精准归类、阐明判断依据，输出可执行的修改建议，驱动任务、成果及评价标准的持续迭代； 6.典型场景沉淀：从高质量任务中提炼真实用户需求、典型工作模式与评价思路，为任务体系建设和AI产品能力优化提供专业输入。
负责Token Foundry大模型训练平台的产品规划与建设。深入算法训练场景，整合底层基础资源，提升训练任务的运行效率、稳定性和资源使用效率。 1. 负责大模型训练平台的产品规划与迭代，制定产品方案和版本计划，并对交付结果负责。 2. 深入大模型训练过程，识别任务运行、资源使用和研发效率等方面的问题，形成可落地的产品方案。 3. 将不同算法团队的训练需求抽象为标准化、可复用的平台能力，推动平台规模化服务算法研发。 4. 协同算法、研发及基础设施团队，协调资源并推动项目落地。
我们协助企业做AI转型和应用落地，倡导数字员工理念，让 Al Agent 作为数字员工真正融入企业组织-能被调度、会协作、懂业务、有记忆，从底层重构企业与 Al 协作的方式。我们构建了一套人机协同组织的基础设施：Agent 在这里被孵化、注册进组织、与真人自主组队协作，打造AI应用和自主进化的新范式。 1. 面向客户以AI coach身份提供创新的大模型AI应用方案，并进行落地验证，为客户提供面向AI应用落地的全栈技术支持。 2. 主导或参与客户的AI Agent（AI数字员工）技术栈设计，并基于阿里云系列AI平台产品进行工程搭建、算法调优和实施落地 3. 基于客户实际问题提供大模型技术支撑和优化，包含不限于模型后训练、应用指令和工程优化，并进行必要的AI应用落地开发，包括逻辑推理、生成创作、代码生成等 4. 针对客户日常大模型工具链提供技术支持，参与客户AI相关产品使用及模型调优