共 4529 个在招岗位 · 覆盖国企、大厂官方招聘
1、根据活动需求和目标拓展社媒达人来参与网易云音乐的合作项目，包括但不限于抖音、快手、小红书、B站等平台； 2、与达人进行价格谈判，并持续跟进达人合作流程，解决达人日常合作问题； 3、活动和项目数据材料整理。
1.负责笔记项目ACG品类运营工作，能够独立完成品类活动策划与物料制作，挖掘优质笔记内容； 2.负责优质创作者挖掘与建联，有共情能力，整理汇总创作者核心诉求，提升创作者发布频次； 3.负责ACG品类官号运营，有网感，能够及时捕捉全网相关热点。
1、负责服务器游戏的功能模块开发； 2、对游戏功能模块改进、调优等； 3、负责服务器相关工具开发和维护。
1、服务器复杂模块设计开发、迭代优化； 2、服务器性能分析和优化； 3、对于技术难题研究攻关。
1、负责AI自动化Agent需求梳理、方案设计与落地实施，重点赋能游戏的研发，内容生产与运营全流程。 2、基于大模型搭建智能体，实现引擎开发，游戏设计、内容生成、数据分析等场景的自主规划、工具调用与业务流程自动化。 3、对接内部系统，完成Agent能力闭环，提升游戏研发效率与创意迭代速度。 4、构建并维护游戏设计知识库与RAG能力，为Agent提供精准的游戏业务上下文，赋能创意生成与决策辅助。 5、快速构建Agent原型，验证技术可行性，并基于主流框架搭建完整的Agent或Workflow。
1.能独立负责搭建并细化游戏世界观、角色设计、剧情设计等文案框架内容并配置落地 2.协助系统、美术进行人文氛围、美术地图等内容规划 3.能独立负责NPC、部分怪物的行为和流程图配置 4.文案包装，包括玩法、道具、技能、副本等包装工作
1. AI机会识别：根据阿里云战略发展方向，紧密跟踪生成式AI前沿趋势，包括大模型演进、智能体框架、AI基础设施架构及主要竞品动态，前瞻性地识别并开拓政企客户在大模型、智能计算等领域的业务机会，发掘潜力客户并捕获项目机会。 2. AI场景挖掘：重点聚焦阿里云AI产品在泛政府、教育科研、医疗卫健、泛企业等行业的场景销售机会点，深入调研客户业务场景，理解客户的AI目标和业务挑战，敏锐捕捉行业中的应用痛点与创新潜力，找到高价值的AI应用机会帮助客户成功，并沉淀行业解决方案。 3. AI客户经营：在政企领域与AI导向型的客户或合作伙伴建立长期、互信的合作关系，推动客户高满意度、高留存率及持续业务增购，为AI收入（如token收入）负责。 4. AI生态建立：善于整合技术、生态与商业资源，攻克AI落地中的关键挑战，与客户技术决策层及生态合作伙伴建立深度信任关系，沉淀可复用的行业解决方案与最佳实践。
1、激活并新拓客户 •用客户的语言展开对话，获取客户信任，挖掘产品和技术需求，形成有效商机。 •帮助客户理解飞天云计算操作系统、七大件、AI/智算等阿里云产品的技术价值，以及相对竞企的差异化竞争优势，传递阿里云作为客户最佳合作伙伴的定位。 •通过有效的资源整合和运作，推动客户快速决策，采用和持续使用阿里云公共云产品和技术解决方案，解决客户技术问题。 2、伙伴规划和招募 •识别所在区域目标伙伴群，招募高质量、高成长伙伴，制定BP/拓展计划。 3、伙伴成长赋能 •扶持本地化渠道发展及培育，做好本地覆盖及客户挖掘。 •结合伙伴业务方向进行体系化赋能，包括政策、产品与方案、人员能力认证等，实现伙伴销售与服务能力提升和转型，推动业务增长。 4、伙伴运营和激励 •商机识别和分配，通过伙伴进行客户培育和业务拓展，并作过程跟进及资源支持。 •伙伴过程管理和冲突管理。 •参与激励政策制定反馈，保障伙伴权益。 •关注伙伴满意度，及时响应伙伴的合理诉求并作出快速决策。 5、伙伴合作风险管理 •依据生态合作政策，有效进行生态品控/合规/信控管理，预防廉正等红线行为发生，提升业务安全性。
-既具备扎实的技术背景，又能熟练地与客户沟通，理解客户需求，并能够将公司的技术产品或服务有效地推广给目标市场； -建立并保持良好的客户关系，定期跟进项目进展，收集反馈信息。 -通过与潜在客户的深入交流，准确把握其业务需求和技术痛点，并结合公司产品特点，定制化设计解决方案； -为客户提供AI芯片的技术支持，确保产品在客户业务场景中的顺利落地； -向客户展示产品功能和优势，为客户提供全面的技术咨询和支持服务，解答有关AI芯片使用过程中的问题； -组织并实施针对客户的技术培训和研讨会，帮助客户快速了解AI芯片产品的规格、特性和使用方法； -收集并分析客户需求，并总结前代产品落地过程中遇到的各种问题将其转化为产品改进建议，与产品和研发团队合作推动产品升级； -与市场营销团队合作，以支持AI芯片在市场中的推广和应用； -持续关注AI领域市场及竞对最新动态和技术趋势，保持对公司产品的竞争力分析；
1、需求理解与归因：深入业务场景，利用数据挖掘与特征分析完成现象归因；精准识别高价值问题，将模糊的业务痛点转化为明确的 AI 解决目标。 2、架构设计：面向具体业务需求，设计 AI 原生系统架构；参与 Agent 系统核心模块的规划，包括记忆管理、推理策略与工具编排，兼顾架构的灵活性、可扩展性与工程可落地性。 3、知识与环境构建：搭建AI与现有业务系统的交互环境，涵盖 API 接入、RAG 知识库构建、记忆方案设计；持续优化召回质量与上下文注入策略，为模型提供准确、及时的执行环境与知识支撑。 4、核心能力实现：负责Agent关键模块的工程落地，实现意图识别、任务拆解与反思纠错闭环；封装标准化SDK/API服务，构建Agent观测体系，实现全链路追踪与多维归因分析。 5、系统迭代与演进：建立搭建自动化评测与回测机制，通过调优与Case分析不断收敛效果与性能提升的最优路径；沉淀方法论与可复用组件，推动 AI 能力从单点验证走向规模化落地。"
1. 负责端（方舱/设备）侧智能化产品技术研发，内容包括但不限于通讯协议选型与适配、软硬件架构设计、推理引擎选型与测试等。 2. 负责端（方舱/设备）侧智能化设备中心化交付和运营体系/工具研发，实现远程自动化部署、调测、监管、OTA升级等。 3. 负责制定IDC智能化产品&流程相关的技术规范并推广，对研发产品的质量负责。 4. 参与边（园区/楼栋）和云侧基础监控能力升级和智能化应用的研发和推广。 5. 参与AI与IDC智能化的全面、深度融合，包括制定适配云/边/端的模型应用规划，模型的选型、验证、灰度、部署、执行等的全链路闭环与协同。
1. 治理体系规划与运营：统筹商家/消费者体验治理项目，建设并运营"识别—分级—处置—应用—复盘"的统一治理闭环框架； 2. 指标与标准建设：参与建设平台体验度量指标体系（负向品商、问题订单率、国家/区域体验分），统一认定标准与处置手段标准； 3. 治理专项运营：负责负向货盘治理、问题订单治理、国家分层治理、处罚与申诉治理等专项的日常运营、规则迭代与效果跟踪； 4. 机制与流程设计：设计分级分类处置机制、白名单与例外审批、商家预警与整改引导等弹性机制，平衡治理意志、商家体验与大盘经营； 5. 跨域协同推动：对接风控、物流、供应链、行业运营、流量与投资执行等多方资源，推动治理规则、处置动作与复盘机制跨部门落地； 6. 数据洞察与复盘：基于 SQL/数据工具对体验与治理数据做下钻归因（按场景、国家、模式、业务域），输出治理策略建议与周期性复盘报告； 7. AI 与工具提效：沉淀治理过程中的分析方法与重复性工作为 AI skill / 自动化工具，持续提升团队治理效率与质量。
做品类营销 AI Agent 的"训练师"和"业务合伙人"，负责 Agent 在真实品类场景中的落地质量与活动结果，把品类运营经验变成 Agent 的能力。 岗位职责： 1、负责 AI Agent 在重点品类（如饮料、零食、生鲜等）的落地，梳理品类营销 SOP，并转化为 Agent 可执行的规则、Prompt 和知识库，探索ai在具体业务的商业设计 2、搭建 Agent 的训练与评估数据体系：样本整理、标准标注、badcase 分析、反馈迭代，持续提升 Agent 在选品、文案、活动方案上的输出质量； 3、与 Agent 协同执行品类营销活动（选品池、活动主题、补贴建议、营销内容等），对活动结果负责（GMV、ROI、采纳率）； 4、沉淀人机协同的最佳实践与案例库，推动 Agent 能力跨品类复制； 5、收集一线需求与问题，反哺产品和算法团队，驱动 Agent 能力迭代。
核心职责： 1. 商家全链路服务体验运营与 VOC 洞察： 负责跨境电商商家全链路服务体验运营，深入洞察商家在发货、履约、售后、赔付、考核、处罚等链路中的痛点。 基于商家咨询、求助、工单、NPS、满意度调研等 VOC 数据，定位体验问题及影响范围，设计对应场景的解决方案，并推动落地。 2. 商家体验优化与闭环 洞察与监控：搭建并维护商家售后费比看板与异常监控，基于商家走访、行业洞察、求助数据等进行原因下钻与专题分析，定位并推动闭环解决商家售后费比高、体验差的问题。 3. 满意度与 NPS 专项提升 针对用户满意度调研及 NPS 中反馈的服务问题开展深度研究，剖析问题根因、梳理相关性指标并设计有效方案。 通过落地服务运营策略及搭建闭环机制，推进服务满意度、FCR、一次性解决率等服务目标提升。 4. 升级 Case 与外部舆情处理 针对考核、处罚、物流赔付及售后场景的核心升级 case，快速还原问题、定位责任与影响，输出沟通处理方案并推动闭环，降低外部舆情风险。
1. 负责业务专项的风险运营相关工作，全流程参与业务，与业务、安全技术紧密协同，独立完成业务风险评审、风险建模，高效支撑业务发展。 2. 关注业务风险，关注数据，独立拆解并分析可能存在的风险问题，定量风险影响并给出解决方案，推动方案落地。 3. 参与业务异常case调查，通过对各种业务异常、黑产事件等深入研究，感知新风险，持续对抗。 4. 参与跨部门协作，协调各方资源，确保风险解决方案的有效执行，并推动业务风险控制体系的不断完善。
1.对行业趋势、市场动态、竞争格局、商业机会进行深度跟踪和敏锐洞察，结合公司的发展阶段和资源禀赋，产出有深度的研究报告和策略建议，为公司管理决策提供决策支持 2.贴近业务策略开展专项课题研究，体系化梳理内部现状，识别和定义业务关键问题，结合跨行业的商业逻辑、标杆企业研究、行业调研等方式，形成基于业务底层规律的关键认知、策略推演、决策建议，推动业务认知迭代和策略落地 3.挖掘行业新商业模式和新增长机会，评估新模式新机会对公司业务的影响、可实现性及潜在的增长空间，提出建设性的增长建议，给出一定路径推演和风险预判 4.通过经营分析框架构建、业务数据分析、定量对比调研，挖掘业务存在的问题，识别潜在的机会点，推动业务策略优化和提效
1、负责商家逆向解决方案设计，基于商家痛点，负责端到端的解决方案设计，0-1搭建，优化商家售后服务体验； 2、负责商家运营，实现平台逆向解决方案在商家侧渗透率提升； 3、基于数据分析和商家/消费者反馈，协同产品和相关业务方，进行解决方案的持续迭代； 4、协同物流/财务等相关方诉求，平衡toc/tob体验/平台损益诉求，通过解决方案和规则产品创建，达成业务目标；
面向高性能SRAM, 基础IP或标准单元（如触发器、脉冲锁存器、逻辑触发器、特殊复杂单元等）的设计、验证及库生成。与晶圆厂开展DTCO（设计/工艺协同优化） 针对性能、功耗和面积（PPA）以及良率优化SRAM/定制电路。 开发定制版图并执行物理验证（例如，DRC、LVS）。 开展大量电路仿真，以验证SRAM的功能与性能、电气完整性及鲁棒性。 开发并改进SRAM/定制电路设计方法，包括用于设计、仿真和验证的自动化脚本。 与高性能CPU/SOC物理设计团队合作，提升产品PPA竞争力。 与产品工程师和测试工程师协作，制定测试方案并支持芯片流片。
1、资源交付管理： 作为大型MaaS算力资源类项目的第一责任人，主导项目全周期履约，包括目标定义、范围管控、交付团队组建与资源统筹，确保高质量交付及验收。 2、项目管理：负责部门核心 AI Infra 研发项目的项目管理、进度控制与跨团队干系人协同，保障项目目标高质量达成。 3、体系化能力建设：构建并持续优化MaaS算力资源交付履约机制，沉淀可复用的项目管理方法论与组织过程资产，提升团队交付效率与标准化水平。 4、经营指标驱动：监控业务关键指标达成情况，主动识别风险与瓶颈，通过精细化运营举措推动目标落地。 5、平台化能力建设：基于资源交付与研发类项目管理实践，推动线上化流程建设，协同产品与技术团队打造支撑 AI Infra 高效交付的平台能力及智能化升级。
1. 围绕KA零售商的行业特点和业务目的，针对性进行数据分析，洞察业务机会点，并提供策略优化建议； 2. 基于业务&项目需求，搭建评估诊断的数据体系，独立完成核心指标的日常监控&异动归因分析，并提炼为可复用的AI辅助分析范式，建立自动预警机制； 3. 深入业务工作流程，主动识别适合引入AI的具体业务场景，并能够独立或联动产技共同开发对应工具提升效率，持续沉淀AI应用案例和方法工具； 4. 围绕“优秀实践案例”、“高质量Prompt”等课题，主动进行归纳总结，对内部业务团队&合作商家进行赋能培训，提升全员AI素养及应用能力，支持业务整体提效。
一、数据治理与数据资产管理 1. 负责所负责数据模块的数据抽取、清洗、转换与质量检核，落地数据获取、清洗、转换、打标等标准化流程 2. 执行所负责资产域的元数据维护与数据血缘梳理，协助维护数据资产目录，保障数据准确率达标 3. 协同平台开发团队推进存量数据梳理优化、修复数据，保障数据可用可信 4. 落实数据分级分类与安全合规要求，保障所负责范围敏感数据安全受控 二、数据运营与可视化看板 1. 深入理解IDC业务运转逻辑（选址、设计、建设、运维、成本），独立负责单一业务域数据看板的建设与日常运营 2. 做好口径对齐与指标规范落地，确保看板数据口径准确、数据语言体系一致 3. 快速响应业务数据需求，完成日常取数与分析，协助开展异动追因与专项分析 4. 利用BI工具输出定期报告，提供数据驱动的见解和建议 三、数据标注与数据服务 1. 落地所负责模块的标注方案，执行标注验收与质量抽检，确保标注质量满足模型训练要求 2. 参与智能问答、Data Skills等数据服务的建设与运营，跟踪使用效果并推动问题修复与优化迭代 3. 协助众包标注平台运营，跟踪标注进度和执行质量
1、承接G端/大B客户的AI文旅诉求，完成包括需求调研、方案设计、技术路径在内的完整解决方案，支持客户拜访、方案汇报、投标等； 2、政府及文旅行业的“AI+文旅”布道与心智影响，树立飞猪在AI文旅领域的品牌与影响力； 3、搜集客户需求，推动内部产品迭代；牵头标杆场景/项目打造，沉淀方案及案例库等； 4、关注AI+文旅行业趋势与动态，赋能前端团队提升AI素养。
1、参与商品发布、管理、理解相关 Agent 的技术研究与产品研发，结合 LLM / Multi-Agent 重塑商品全生命周期； 2、负责高并发商品消费、库存扣减等核心链路的 Agent 化改造，保障大促级流量下的稳定性与一致性； 3、为商品域提供 Agent 编排、工具调用、RAG 知识库等端到端方案的设计与落地，推动横向能力复用； 4、与SPU/类目技术、发布端、IC 中心等团队协同，沉淀商品 Agent 平台与最佳实践，包括但不限于商品分类、属性抽取、标题生成、图像识别（如主图识别、多模态理解）、商品去重与归一化等。
加入我们，成为电商基石商品域建设的核心驱动者，探索全新业务Agent落地场景，持续迭代电商供给体系。 1、赋能商家经营： 依托海量商品数据与平台标准化沉淀，构建智能业务Agent，实现商品AI发布、智能补齐与经营辅助，显著提升商家经营效率与产品体验。 2、高质量的商品供给： 结合AI和平台数据沉淀，持续迭代商品底池基础能力，判定并治理各类商品问题，确保平台供给的高质量与标准化，源源不断输出优质供给。 3、驱动技术革新： 持续关注行业前沿趋势（如Agentic Workflow、skill、LLM迭代），引入创新方案进行系统重构与智能化升级，通过性能优化与架构演进，持续保持产品竞争力。 4、主导端到端交付： 协同产品、业务及算法团队，主导从需求洞察、技术架构设计到高质量交付的全链路实现，推动技术与业务的深度融合与价值闭环。
聚焦核心业务场景，利用 Agent、RAG、多模检索等前沿技术推动 AI 在业务中真实落地。你将参与从需求洞察到系统构建的全流程，完成"业务归因 → 架构设计 → 工程实现 → 效果评测 → 规模化复制"的完整闭环，既研发面向业务的智能应用与工具，也建设支撑 AI 长期运转的数据、知识与评测底座，实现技术驱动业务增长的价值转化。 具体职责包括以下相关方向的一项或多项： 1、需求理解与归因 - 深入业务场景，利用数据挖掘与特征分析完成现象归因，精准识别高价值问题； - 将模糊的业务痛点转化为可度量、可验证的 AI 解决目标与效果指标。 2、架构设计 - 面向具体业务需求，设计 AI 原生系统架构； - 参与 Agent 系统核心模块规划，包括记忆管理、推理与规划策略、工具编排，兼顾架构的灵活性、可扩展性与工程可落地性。 3、数据引擎——为 AI 提供高效燃料 - 建设多源异构数据的接入、清洗、加工与服务化管道，打通业务系统、日志、文档、多媒体等数据源； - 保障数据的时效性、一致性与可追溯性，形成可持续供给的数据资产与数据飞轮。 4、知识引擎——让 AI 拥有业务知识 - 构建高维知识体系：语义层、本体 / 知识图谱、业务术语与规则的结构化表达； - 建设 RAG 与多模态检索能力（文本 / 表格 / 图片 / 音视频），持续优化召回质量、排序策略与上下文注入方案（Context Engineering）； - 搭建 AI 与现有业务系统的交互环境，涵盖 API / MCP 接入、工具注册与记忆方案设计，为模型提供准确、及时的执行环境与知识支撑。 5、核心能力实现 - 负责 Agent 关键模块的工程落地，实现意图识别、任务拆解、工具调用与反思纠错闭环； - 封装标准化 SDK / API 服务，降低业务接入成本； - 构建 Agent 可观测体系，实现全链路追踪与多维归因分析，让效果好坏可解释、可定位。 6、训练评测与系统演进 - 搭建评测集与自动化评测、回测机制，建立效果基线与回归防护； - 通过 SFT / DPO 等模型调优、大模型评测与归因分析，结合 Case 分析持续收敛效果、性能与成本的最优路径； - 沉淀方法论与可复用组件，推动 AI 能力从单点验证走向规模化落地。 7、性能优化与稳定性保障 - 优化高并发场景下的系统性能，通过异步处理、缓存、限流与降级策略保障服务稳定； - 通过低侵入性观测手段保障系统的长期稳定运行。
面向淘宝营销业务，围绕商品运营、用户运营等具体方向，开展训练数据构建、后训练方案设计、实验评估与效果迭代，推动模型持续优化并提升业务效果。 具体职责包括： 1. 后训练方案设计与优化：结合业务目标、数据特点和模型现状，制定后训练优化方案，选择合适的训练策略并完成效果验证； 2. 训练工程与实验执行：负责训练任务的工程化执行与过程管理，完成数据准备、训练配置、实验运行、效果对比和结果分析，支撑模型版本迭代； 3. 业务数据构建与质量控制：围绕具体业务场景，完成指令数据、偏好数据、拒答数据、评测回流数据等训练数据的采集、清洗、去重、分层、标注与质量控制； 4. 效果评估与持续迭代：结合离线评测、人工评审、线上实验、badcase 分析和业务反馈，系统评估训练收益，定位效果退化、覆盖不足等问题，并推动优化迭代； 5. 跨团队协同与落地推进：协同产品、运营、数据、工程等团队成员，完成需求澄清、数据对接、训练评估与上线支持，推动模型能力在业务场景中的落地应用。
加入我们，成为电商基石商品域建设的核心驱动者，探索全新业务Agent落地场景，持续迭代电商供给体系。 1、赋能商家经营： 依托海量商品数据与平台标准化沉淀，构建智能业务Agent，实现商家端AI能力建设、智能补齐与经营辅助，显著提升商家经营效率与产品体验。 2、库存架构迭代： 增对商品供给的多样性和复杂性，解决和建设商品多供给，托管，近场闪购等交易核心链路能力并保障稳定性，通过AI赋能提升研发效率。 3、驱动技术革新： 持续关注行业前沿趋势（如Agentic Workflow、skill、LLM迭代），引入创新方案进行系统重构与智能化升级，通过性能优化与架构演进，持续保持产品竞争力。 4、主导端到端交付： 协同产品、业务及行业运营，主导从需求洞察、技术架构设计到高质量交付的全链路实现，推动技术与业务的深度融合与价值闭环。
岗位面向淘天集团智能内控体系建设，聚焦资金风险防控、流程合规审计、异常交易识别等核心业务场景，负责大模型及AI算法在复杂企业内控环境下的深度调优与效果落地，构建高精度、可解释、可信赖的智能内控AI引擎。 1. 面向资金流水、审批日志、合同文本、操作行为序列等多模态内控数据，设计并实施SFT（Supervised Fine-Tuning）、DPO/RLHF等后训练对齐方案，提升模型在内控垂域任务中的指令遵循能力与事实准确性； 2. 构建覆盖内控场景的自动化评测体系，包括但不限于：Benchmark构建、Golden Set标注、RAGAS/TruLens评估、幻觉检测（Hallucination Detection）、置信度校准（Confidence Calibration）及A/B Test框架，量化模型迭代收益； 3. 针对合规推理、风险归因、异常溯源等长链路决策任务，优化Prompt Engineering、CoT（Chain-of-Thought）、ReAct Agent架构及检索增强生成（RAG）策略，提升复杂业务问题的端到端解决率； 4. 深入分析Bad Case与Corner Case，通过LoRA/QLoRA微调、知识蒸馏（Knowledge Distillation）、数据合成（Synthetic Data Generation）等手段持续优化模型表现，平衡效果、延迟与推理成本； 5. 与内控业务专家、策略运营及工程团队紧密协作，将模糊的合规诉求转化为可量化的算法优化目标，推动AI能力在内控全流程的规模化落地。
1、搭建智能化的AI运营系统，负责相关Agent设计、业务模型抽象、数据资产沉淀等工作，通过技术驱动运营方式变革。 2、探索AI-Native的研发模式，搭建AI Friendly的技术能力，提升业务的研发效果和效率。 3、深入业务场景，通过科学的数据分析进行现象归因，精准识别高价值问题，打造有影响力的AI应用产品。
1.建设安全场景下的AI评测体系，负责样本构建、评测方法设计和效果分析，推动模型与应用方案持续优化。 2.负责AI应用安全相关SDK及工具研发，推进框架适配、系统集成和业务接入，保障稳定性与性能。 3.探索AI在漏洞分析、误报识别和自动修复中的应用，提升风险处置的准确性与效率。 4.与安全、研发及算法团队协作，推动技术方案产品化，并通过实际业务效果持续迭代
