共 4529 个在招岗位 · 覆盖国企、大厂官方招聘
1、负责重点汽车品牌的商务拓展与长期经营，对品牌合作关系、合作机会和经营结果负责。 2、深入理解主机厂组织架构、决策链路和预算机制，建立并维护品牌市场、销售、电商、数字化及用户运营等关键部门关系。 3、独立完成客户拜访、需求挖掘、合作方案设计、资源整合、商务谈判及项目落地，推动合作从意向进入立项、签约或上线阶段。 4、围绕新车上市、用户增长、线索获取、到店试驾、锁单成交、会员运营及增换购等场景，制定品牌在平台的经营与营销策略。 5、统筹店铺、商品、内容、直播、会员、营销活动及平台资源，打通从流量触达到线索沉淀和成交转化的经营链路。 6、基于平台数据、行业趋势和竞品动态，识别品牌增长机会，输出经营分析、合作提案和复盘材料，并推动内部协同与持续优化。
1. 快速理解业务运作模式，深度解析业务内控流程、风险图谱及合规标准，将业务规则转化为AI可识别的特征标签、逻辑规则与训练样本； 2. 主导内控AI模型的数据标注、效果验证与迭代优化，结合内外部政策变化与业务新模式，定期注入专业洞察以增强AI研判能力； 3. 应用AI辅助业务风险识别和处置，通过风险审计、风险事件复盘等工作，识别重点风险并跟踪解决，优化流程设计和管控措施，帮助业务建立长期的风险防御能力； 4. 处理业务异常和违规线索，通过数据分析、访谈、外围取证等方式还原事实，并通过AI辅助查证提高效率，形成调查结论并推动后续处置； 5. 策划并实施数据安全、操作合规等主题宣导活动，提升全员风险敏感度与自律意识。
1、商品详情页产品规划与迭代：负责平台商品详情页（PDP）的整体产品设计，包括信息架构、交互流程、视觉呈现策略，持续提升用户浏览—决策—下单的转化效率。 2、多市场本地化适配：针对美洲、欧洲、亚洲、中东等不同目标市场，结合当地消费习惯、合规要求和文化差异，设计可配置的详情页模板体系。 3、商品信息结构化设计：规划商品标题、图片/视频、SKU选择器、属性参数、卖点提炼、用户评价、FAQ 等模块的展示优先级和组合策略，推动信息密度与可读性的平衡。 4、转化漏斗分析与优化：基于埋点数据和用户行为分析，定位详情页转化瓶颈，设计 A/B 测试方案并推动落地，对加购率、下单转化率等核心指标负责。 5、跨端体验一致性：协同移动端、PC端、小程序等多端团队，确保详情页在不同终端的体验一致性和性能表现，重点关注移动端加载速度与交互流畅度。
全面负责定义、设计并实现下一代对话系统的核心算法与交互范式，解决当前对话模型在多轮交互、知识应用、共情能力等方面的挑战，探索并引领模型在个性化、主动性、拟人化等前沿方向的技术突破。直接决定数亿夸克用户在Chat场景的与AI 的交互体验，塑造夸克在未来对话式 AI 时代的领先地位。 1. 对话体验定义与规划。深入分析用户意图与行为，结合业务场景，制定并执行对话体验的中长期技术演进路线图。并密切追踪并研究对话式 AI 领域的最新进展，包括主动式对话策略、多模态对话 (语音/视觉融合)、AI Agent 中的对话流控制等。您将主导定义“顶级对话体验”的标准，并将其分解为可落地、可量化的算法迭代目标。 2. 多轮对话与上下文理解。攻坚并解决长程、复杂多轮对话中的核心技术难题，包括但不限于指令遵循、上下文精准理解、长程记忆与遗忘机制、隐式意图识别等。您将设计创新的模型结构与训练策略，使模型具备真正连贯、有逻辑的对话能力。 3. 对话回复准确与全面。主导研发将外部知识 (如搜索、工具调用) 与大模型进行深度、动态融合的先进技术。致力于解决模型在对话中的意图偏离、事实性错误、内容不详实和知识更新不及时等问题，并通过 RAG 新范式或其他创新方法，显著提升对话的准确性与信息量。 4. 评测体系与数据飞轮。建立并完善一套科学、全面的对话能力评测体系，能够精准衡量模型的综合对话质量 (Coherence, Empathy, Informativeness 等)。设计并驱动高效的数据闭环系统，利用真实用户反馈持续、自动化地优化模型。
1. 负责智能营销平台的产品规划与设计，覆盖智能外投、落地页智能生成、内容素材创编、营销活动自动化等场景，通过AI能力大幅提升营销效率与转化效果； 2. 设计面向用增运营团队的智能投放工具，包括投放策略自动优化、素材智能生成与优选、投放效果诊断与归因分析等功能，推动从“人工调优”向“Agent自动决策”演进； 3. 搭建智能落地页生成系统，基于大模型与AIGC能力，实现针对不同客户场景、行业特征的个性化落地页自动生成、A/B测试与持续优化； 4. 负责营销自动化引擎的产品设计，包括智能触达（邮件/短信/站内消息/外呼）、营销画像构建、活动Agent、营销策略智能推荐等模块，支撑全渠道个性化营销闭环； 5. 与用增运营、客户运营团队紧密合作，深入理解内部用户的营销诉求，将业务需求转化为可落地的产品方案，持续迭代优化平台能力。
1. 整机组装工艺开发与导入：负责机器人整机（本体机械 + 域控制器 + 关节模组 + 传感器 + 线束 + 电池）的组装工艺规划，编写并维护装配 SOP、作业指导书、工艺流程图与 BOM 装配关系。 2. 产线与工装夹具规划：规划整机组装产线布局、工位节拍与产能爬坡方案；设计/评审组装、定位、锁附、打胶、防水密封等专用工装夹具与治具。 3. DFM/DFA 评审：在结构、电子、系统方案定型前介入设计评审，从可制造性、可装配性、可维修性（DFx）角度提出优化建议，降低装配难度与不良率。 4. 样机试制与良率爬坡：主导 EVT/DVT/PVT 各阶段小批量试制，跟踪装配不良、拆机返修数据，闭环推动良率提升，输出试产报告。 5. ODM 协同管理：作为工艺侧接口对接整机组装厂及关键零部件供应商，对齐工艺标准、评审对方产线与工艺文件，驻厂支持关键节点试产。 6. 工艺问题闭环：牵头整机集成阶段的工艺类问题分析与改善（如热设计装配、密封防水 IP 等级达成、线束布局、EMC 结构接地等），跨结构/电子/测试团队协同定位根因。 7. 量产工艺标准沉淀：建立整机组装的工艺规范、检验标准、防错机制，支撑规模量产的一致性与可追溯性。
1、负责海外电商多国家多模式下商家产品功能设计，根据业务模式规划升级商家入驻、商家基础，店铺装修等模块产品能力。 2、聚焦商家平台产品建设，输出平台产品发展阶段性策略及重点规划，整体对商家业务目标和产品体验及负责。 3、横向协调消费者、供应链等各方资源，积极有效的横向项目管理，推动相关产品的设计、开发及交付，并对线上产品功能质量负责。 4、负责收集调研所负责本地国家的商家需求和反馈、分析效果数据，持续贴合所在本地国家特征，持续改善产品的商家体验。
1. 做深客户价值：主动洞察客户对钉钉产品的使用状况，深入剖析客户业务场景与需求，精准挖掘并合理引导。结合AI技术与咨询思维，为客户量身定制具有竞争力的场景方案或实践，并全力推动钉钉AI产品和解决方案在客户侧落地实施。沉淀行业标杆场景方案，提炼普适性价值，复制推广至其他类似客户场景，助力行业数字化转型。 2. 做好客户服务：精心维系客户关系，挖掘与AI深度结合的业务场景，及时发现并解决客户在使用过程中产生的问题与需求，联动多业务部门迅速响应。基于数据分析结果，形成切实可行的改进方案，推动钉钉产品功能持续迭代，显著提升客户体验。 3. 驱动客户成功：为客户制定全面且专业的业务成功计划，涵盖业务深度分析、融合钉钉AI创新解决方案、定制化培训方案以及精准产品推荐。借助AI技术协助客户搭建高效的内部运营体系，深度挖掘合作商机，通过专业咨询与策略制定，有力推动钉钉产品的续购与增购，实现客户与企业的双赢。 4. 助力生态发展：为生态伙伴提供CSM体系化辅导与全方位支持，凭借咨询经验与AI赋能，帮助服务商构建专业高效的CSM团队和AI支撑的作战体系、推进多元化的业务战役与活动，促进钉钉生态系统的协同发展。
1. 负责业界领先的自主 AI Coding 新技术形态探索和关键技术实现，持续探索 AI Coding 技术的能力上限； 2. 构建应用于大规模用户 AI Coding 产品的 Harness Engineering 技术体系，负责 Context Engineering、Multi-Agents Orchestrator、Memory、Observability、Guardrails 等关键技术实现； 3. 持续跟踪 AI Coding Agent 前沿技术，探索并落地面向未来的 AI Coding 新产品和新技术。
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Higress、 AgentTeams、AgentScope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。
1. 市场规划和产品设计：充分理解云计算以及大数据市场用户需求，熟悉业界主流云厂商各类大数据产品，基于业界主流的技术、市场需求、业务方向完成 MaxCompute 的产品规划和产品设计；推进 MaxCompute 向面向 AI 数据处理场景的转型。 2. Data+AI 产品规划：负责 MaxCompute 在 Data+AI 融合场景下的产品战略制定与落地，聚焦结构化数据与非结构化数据的统一处理能力建设。深入理解大模型训练、推理及 Agent 应用的数据工程需求，设计面向 AI 工作流的数据计算框架，推动 MaxCompute 从传统大数据平台向全模态 AI 数据基础设施演进。探索 DataFrame API 与大模型生态的深度融合，关注行业化/场景化的产品方案需求，构建面向 Python/AI 开发者的友好交互体验，支持 PyTorch、TensorFlow 等主流 AI 框架的无缝集成。 3. 产品管理和团队协同：负责 MaxCompute Data+AI 引擎产品的全生命周期管理，协调并驱动技术、测试、销售、运营、客服等多个团队共同完成产品业务目标。需特别加强与 AI 算法团队的跨部门协作，确保 Data+AI 产品方案的技术可行性与市场竞争力。 4. 市场开发和业务拓展：围绕 MaxCompute 的商业增长，负责与运营、销售等市场团队合作，参与包括销售培训、市场推广、客户攻坚等相关市场活动，助力销售赢单、提升用户转化、优化用户留存。重点拓展 AI 原生企业客户，挖掘大模型训练数据准备、向量数据处理、Agent 记忆存储等新兴场景的商业机会。 5. 产品改进和体验优化：围绕 MaxCompute 的产品体验，持续追踪用户反馈的问题、推进产品需求管理、优化产品用户体验，根据公司业务发展方向和市场变化及时推进产品迭代改进，推动产品不断完善和升级上市。针对 MaxFrame，需重点关注 AI 开发者群体的使用痛点，优化 DataFrame 操作性能、提升与 Jupyter/Colab 等开发环境的集成体验、简化 AI 数据预处理流程。 6. 关注行业和追踪竞对：追踪当下大数据以及 AI 技术趋势变化，关注大数据市场分析，挖掘业界优秀友商动态。重点关注 友商在 Data+AI 融合方向的进展，关注并分析开源分布式 DataFrame 框架的技术演进路线，为 MaxFrame 的产品差异化竞争提供决策依据。
阿里云 AI 中间件团队致力于打造行业一流中间件（微服务架构，Agent 框架，AI治理，AI Registry，AI 网关等），拥有全球知名开源项目 AgentScope/SpringAIAlibaba/Higress/Dubbo/Nacos，一流商业产品 AI网关，MSE，支撑阿里Qwen-APP/百炼/PAI 等核心业务流量。 1. 参与阿里云底座的研发和架构升级工作，推动云底座中间件架构升级满足阿里云的拓展性和业务稳定性； 2. 参与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。 3. 参与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。 4. 参与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。 5. 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，打造全球一流的AI中间件产品。 6. 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。 7. 参与AI中间件相关的开源项目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。
阿里云 AI 中间件团队致力于构建面向 AI 原生时代的新型基础设施，打造支撑万亿级 token 调用的高可用、高性能、可治理的 AI Agent 运行底座。我们主导开源项目 AgentScope(AI Agent 开发框架)、Higress(AI 网关)、Nacos(AI Registry)，在继承 Dubbo、Nacos、Higress、Sentinel 等经典中间件能力基础上，为阿里内部 Qwen-APP、百炼、PAI 等核心 AI 产品提供统一AI基础设施。 1. 设计并研发 AI Agent 核心中间件，包括但不限于 Agent 开发框架 AgentScope 、Agent/MCP 注册中心、Prompt/Skills 配置中心、AI Memory 服务等，构建端到端的 Agent 开发、部署与运行体系； 2. 负责 AI Agent 的工程化落地与治理，构建 AI Agent 的效果与高可用治理体系，实现灰度发布、效果评估、安全拦截、故障自愈、成本监控等能力，确保 Agent 在大规模调用下的稳定性、可控性与经济性； 3. 负责下一代 AI 原生应用架构的演进，主导 AI 中间件的整体设计与核心功能研发，探索 AI Agent 与大模型领域的前沿方向，推动 AI 原生应用架构的技术标准制定与社区影响力建设，并促进其在内外部的大规模落地； 4. 推动开源与产品双轮驱动，通过 Higress、AgentScope、Nacos 等项目扩大社区影响力，同时将前沿能力沉淀为 MSE、AI 网关等商业产品，支持内外部客户大规模落地。
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，协同等场景，AI网关，云监控，Agent可观测，AIOps相关的云产品。 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。
你将加入PAI平台团队，负责面向各类AI应用场景的模型训练与推理性能优化工作。该岗位聚焦于AI计算性能与系统效率的极致提升，以多层次优化手段，持续提升模型训练与推理的速度、稳定性与资源利用率，具体工作内容包含但不限于： ● 分析客户模型在不同硬件（GPU、NPU、CPU 等）和集群环境中的性能瓶颈，制定优化方案； ● 对主流深度学习框架（如 PyTorch、TensorFlow、JAX 等）进行算子、内核或图优化； ● 深入理解分布式训练架构（如数据并行、模型并行、流水并行等），优化通信与调度性能； ● 在推理端负责模型性能瓶颈分析，并进行量化、剪枝、融合、TensorRT/ONNX Runtime 等优化； ● 与平台团队协作，优化训练任务调度、算力利用、容器化运行效率以及多租户资源隔离； ● 支持重点客户模型性能调优，提供端到端性能优化方案与技术支持。
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。
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。
