共 4529 个在招岗位 · 覆盖国企、大厂官方招聘
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。
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. 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
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
1. 负责百炼平台后训练技术架构设计与性能优化，建设 LLM/MLLM 及 AIGC (DiT) 场景的生产级微调与对齐能力。 2. 负责十亿至万亿级参数模型分布式训练的工程落地，定位计算、显存、通信与系统瓶颈，提升 MFU 并降低训练成本。 3. 主导数据管线（数据合成、效果评测、数据回流）与高鲁棒 Rubric/Reward 体系的架构设计与开发，牵引模型持续迭代。 4. 负责分布式训练容错及弹性架构，优化端到端后训练性能与稳定性，保障生产级 SLA。
岗位定位：负责公司级核心业务的数据分析、经营洞察与智能决策体系建设，主要服务于 MaaS 业务，围绕算力供给、Token 消耗、成本结构和商业化收入等经营场景开展工作。岗位以经营分析和数据分析为核心，同时需要具备一定的 AI 产品化思维，能够将成熟的分析方法沉淀为面向经营决策与资源分配的 Agent 产品。 具体职责： 1、经营分析与决策支持：围绕收入、成本、毛利、转化效率、资源利用率及投入产出等核心指标搭建分析体系，通过预算分析、趋势预测、结构拆解、异常归因及 ROI 测算，为产品策略、资源配置、成本优化和商业化决策提供依据； 2、业务分析与策略研究：理解 MaaS 类业务模式和关键经营环节，运用漏斗、分层、归因、敏感性分析等方法，开展供需匹配、成本效率等专题分析，将数据结论转化为业务决策与行动项； 3、数据体系与 AI 分析能力建设：推动指标体系、数据模型、数仓、可视化看板、监控预警及数据质量机制完善；围绕 MaaS 需求搭建 ARR、供需预测、成本测算、ROI 评估等模型；探索大模型、Agent、RAG 和 Skill 在数据分析中的应用，推动自然语言取数、智能归因、报告生成、经营问答及异常预警等能力落地，并建立评测和人工校验机制； 4、数据分析产品化与流程沉淀：具备产品视角和 AI Native 产品端到端迭代经验，主导数据类产品的策略定位、需求定义、方案设计、上线验证和迭代，将成熟的指标、模型和分析方法沉淀为自助分析、经营看板、供需匹配算法、智能信息中枢、AI 知识库及标准化分析工作流； 5、跨部门协同与项目推进：与业务、产品、算法、研发、财务及供应链等团队协作，将经营问题拆解为明确的分析目标、任务分工、里程碑和验收标准，推动数据结论形成决策并落地执行。
部门介绍： 我们聚焦全球技术底座建设，围绕研发设施、智能运维、全球网络及大模型服务四大核心领域，搭建全栈智能化工程平台体系，为全球业务稳健扩张与高效运转筑牢稳定、高效和合规的技术基石。 以技术创新驱动研发模式升级，打造覆盖研发协作、智能编码、智能测试的全流程智能体系，落地高效业务解决方案并深化DevOps文化。深耕运维合规与效能，建成符合欧盟标准的海外智能运维平台，完成IaaS、PaaS、SaaS全层级产品迭代；依托全球网络资源，实现资源统一管控、网络拨测、网关标准化及数据中心验收全流程规范化，全方位保障用户体验。同时，对标行业领先标准打造海外大模型服务路由平台，打通模型采购、安全管控、服务管理及成本管控全链路，严守数据安全底线。 1、负责高可用系统的AI Agent开发工作，确保系统的稳定性和高性能。 2、参与需求分析，设计并实现高效、可扩展的代码结构，优化系统性能。 3、与团队协作，解决复杂的技术问题，推动项目进度。 4、对现有系统进行维护和优化，提升系统的稳定性和用户体验。
1、负责园区日常运营与企业运营服务工作，根据园区客户定位、客户画像及实际需求，制定相应的园区运营策略、企业服务策略及实施计划； 2、负责园区客户活动运营，通过IP活动、线上推广、线下活动等方式，提升园区品牌影响力、市场认可度与美誉度，树立园区良好口碑； 3、负责园区企业服务体系的打造、迭代与运营管理，结合政府发展方向与阿里生态资源，打造符合园区产业心智的企业服务体系； 4、协同招商、物业等合作方，通过标准化、体系化的手段提升园区整体服务体验，沉淀服务能力，提升不动产市场竞争力； 5、负责园区客户关系维护工作，及时响应并处理客户的各类诉求，保障客户满意度及客户生命周期； 6、对园区运营结果进行数据分析，并据此提出改善措施，持续优化园区企业服务能力与运营效率。
1.商业洞察与内容策划： 对商业和科技趋势保持敏感，结合公司业务策划具有传播力的公关内容，提升公司在商业领域的影响力。对上市公司财报、AI等有领域有独特理解优先。 2.创新传播与项目执行： 敢于尝试新形式、新方法，能够通过鲜活的视角和创意，创造性地传递公司价值。 3.舆情管理与风险应对： 胆大心细，保持敏锐，能够协助处理潜在舆情风险，维护公司声誉。
1、负责集团线上媒体品类的采购工作，直接对接主流线上媒体，负责该媒体的商业化合作规划、年度签约、政策谈判、资源创新引入，履约执行，付款和年度核算等采购相关工作； 2、对接服务集团市场/用增/商业化等业务团队，承接线上媒体相关的品牌硬广、效果投流、内容专项等各类资源合作需求。贴近业务，理解业务目标和策略方向，为业务提供合作策略和方案支持，通过日常合作数据分析，商务谈判和产品创新，保障业务需求的交付落地，做好成本交付管理及优化； 3、深入洞察市场行业情况，建立有效的媒体/供应商寻源、价格评估、签约和汰换机制； 4、针对具体业务需求和行业特性，通过流程优化、解决方案优化，在做好风险管理的同时，提升整体采购效率； 5、承接部门内/跨部门协同工作，协同上下游各方进行全链路管理，包括但不限于大型业务项目、采购系统产品优化、采购流程机制优化等； 6、根据公司发展及媒体供应商动向，积极探索和拓展新资源，提前布局相应资源，对现有的采买方式提出优化及调整以使得更加匹配未来的发展。
聚焦AI产业链的核心采购领域，要求候选人具备AI技术背景，并愿意在快速演进的采购领域完成高质量的资源配置决策，确保集团在AI能力建设中的供应链具备先进性、竞争力与商业合规的可持续性。 方向一：AI 服务采购 ■ 寻源与商务管理：负责模型服务领域的供应商寻源、评估与商务合作体系搭建，覆盖主流模型服务商、云计算平台及技术服务聚合商等多元渠道 ■ 交付要件磋商：主导核心商务条款的谈判与设计，比如计费模式优化、服务容量保障、知识产权与合规约定等 ■ 市场洞察与成本判断：协同业务部门理解不同应用场景的资源消耗特征，建立成本分析、用量、价格优化的工作框架，支撑业务的弹性扩展需求 ■ 评估管理与风险防控：关注行业政策与市场格局变化，完善迭代评估和考核体系，推动供应策略的有效实施，保障服务连续性与业务安全 方向二：AI 资源采购 ■ 供应商生态管理：构建并维护AI训练所需的数据资源供应体系，品类方向包括合规授权数据集、专业领域知识库、多模态资源、人工标注与加工服务等 ■ 需求对接与方案设计：将AI训练的需求转化为明确的采购规格与验收标准，针对不同业务场景设计匹配的采购方案 ■ 成本建模与供应规划：构建和动态优化成本模型，评估供给的复杂度与效率因素；根据业务节奏进行产能规划与资源预留，引入新型资源以及技术方案以持续优化成本结构 ■ 合规治理与质量保障：关注和落实合规要素，建立评估标准与持续改善机制
我们正在寻找一位有能量的产品专家，以领域 owner 的身份，统筹不动产领域平台中业务核心基础链路与 AI 资管底座的产品战略与架构设计。在这里你将负责： 1、平台战略与领域架构：作为不动产资管数字化平台的领域 owner，统筹制定智慧资管产品线的整体产品战略与中长期演进路线图，主导从业务场景洞察、关键机会识别、产品架构设计到上线落地的全过程闭环，确保产品方向兼具业务价值与技术可行性。 2、基础底座与共享能力：主导业务高频基础数字化链路的产品架构设计与落地，覆盖订单、账单、商品、支付、发票、权益、会员等核心领域，设计高可用、高稳定的数字化共享基座，推动复杂业务规则的抽象、配置化与系统化，沉淀标准化、可复用的平台级产品能力，建立跨业务线的能力复用体系。 3、AI 赋能业务与智能产品：深入理解大模型、智能体（Agent）、知识图谱、RAG 等 AI 技术的产品化方式，将 AI 能力深度融入订单、账单、支付、会员等核心业务链路，在招商决策、资产估值、运营风控、客户洞察、收入预测等场景中设计 AI 驱动的产品能力，使 AI 成为业务流的自然组成部分，切实提升资管运营效率与决策质量。 4、数据驱动与效果闭环：建立产品核心指标体系，通过数据分析、效果评估与持续迭代驱动产品优化，重点衡量 AI 融入业务后的人效提升、流程自动化率、决策准确率等关键业务指标，推动 AI 能力从单点验证到规模化生产落地的转化，实现商业价值闭环。 5、前沿洞察与方法论输出：持续跟踪国内外 AI 技术演进与行业最佳实践，洞察大模型在不动产资管领域的应用边界，识别高 ROI 的 AI 应用场景并推动前沿技术向产品力转化。作为领域专家，对产品团队进行方法论输出与专业辅导，在行业内形成有影响力的产品思考。
1、负责阿里巴巴集团服务品类采购工作，了解并理解业务战略方向，深入研究行业，并以此制定相应的采购策略，供应策略，成本策略； 2、负责从采购需求到落地交付的整个流程管理，保证采购项目的合规性、时效性和成本控制； 3、根据采购策略以及业务需求，进行跨部门联动与沟通，协同相关团队，推动项目的落地执行； 4、定期对业务采购需求进行梳理分析，不断发现并优化现有流程中的缺陷与不足，并提出相应优化方案； 5、定期对供应商进行考核评价，整合采购需求，推动供应商内部的资源配置优化和整合，提升供应商绩效。
1.专家签约入驻支持：协助完成目标专家的初步沟通、意向确认与合同签署；负责专家资质审核、信息建档、合规材料收集与归档；配合内部团队完成合作协议流程，确保签约高效合规 2.项目中期执行管理：对接业务需求，协调专家参与数据生产、模型评估等项目工作；跟进项目进度，组织任务分配、时间节点提醒与质量反馈闭环；作为专家主要联系人，及时响应问题，保障沟通顺畅与任务高质量交付 3.项目后期结算与复盘：核对专家工作量、产出成果与结算标准，发起付款流程；协调财务完成酬金发放，确保结算准确、及时；收集专家反馈，输出项目小结，持续优化运营流程
1. 岗位职责 ① 全流程采购执行与策略制定： 独立负责整合营销项目（如大型Campaign、新品上市、品牌焕新等）的供应商招募、招标、谈判、签约及履约全流程。 基于业务目标，制定差异化的采购策略（如公开招标、竞争性谈判、单一来源），并输出专业的采购分析报告。 ② 供应商全生命周期管理： 负责整合营销供应商池的开拓、引入、认证、绩效评估与定期复盘。 主导供应商年度复盘与分级管理，优化生态结构，激励头部供应商，淘汰尾部供应商。 ③ 专业赋能与成本优化： 深入理解营销需求，具备初步方案评估能力，能从采购视角对供应商提案的合理性、成本构成及可优化点提出专业意见。 通过需求整合、流程优化、谈判博弈等多种手段，实现年度降本目标，并确保营销质量与效果。 ④ 风险管控与合规护航： 确保所有采购活动符合公司财务、审计与合规政策，识别并规避合作中的各类风险（如交付风险、版权风险、数据安全风险）。 完善并沉淀整合营销品类的采购合同模板、工作标准及流程规范。 ⑤ 跨部门协同： 作为采购窗口，与市场、运营、法务、财务等业务及职能部门保持高效沟通，在项目早期介入，提供采购解决方案。
1. 深入酒店业务一线，理解BD与商家的沟通及作业流程，识别适合AI解决的高价值场景，并形成产品方案； 2. 负责AI Agent相关产品设计，包括任务调度、多轮沟通、上下文与记忆、工具调用、风险控制、人机协同等能力； 3. 推动价格、库存、招商、问题答疑和客情沟通等场景落地，打通“任务触发—AI沟通—业务执行—结果回收”的完整闭环； 4. 与算法、研发、数据、设计和业务运营团队协作，推进产品从方案设计、试点验证到规模化使用； 5. 建立AI产品效果评估体系，围绕作业覆盖率、任务成功率、问题解决率和人工效率等指标持续迭代。
1. 从RTL创建和维护Emulation/FPGA模型，将芯片项目Porting到原型平台(Emulator和FPGA), 交付EMU DB/FPGA bitfile到原型验证团队 2. 为Emulation/FPGA场景创建独立的测试冒烟用例。 3. 在Emulation/FPGA平台上Bring up外部接口（例如，DDR，PCIe，USB, 以太网等）。 4. 与RTL设计团队、DV团队和软件团队合作，调试基础环境，硬件，软件中的测试用例. 5. 维护仿真系统，支持软件团队在仿真平台上的工作。
团队介绍 加入AI算力数据与Agent小组，这是直接决定集团AI算力如何被"看见、管好、用好"的核心团队。从每一张GPU卡的产能效率到TPM容量规划、资源交付、供需匹配，实现从资源到售卖的全链路数据打通，并通过数据与Agent驱动的智能洞察支撑MaaS业务增长和管理层经营决策。 方向一：AI算力数据链路建设（数据工程背景） • 建设训练/推理（百炼、通义）两侧TPM与资源数据的采集、治理、建模和指标体系 • 设计标准化数仓，打通资源分配、交付、使用全链路数据口径 • 为MaaS经规管理、财务成本分析、BI、销控系统提供可信数据支撑 • 推动数据Agentic化，让Agent可自动查询、分析和推理算力数据 方向二：算力智能洞察与优化模型（算法工程背景） • 建立TPM容量规划模型与算力画像，支撑供需匹配和弹性交付智能决策 • 构建GPU/CPU/TPM利用率优化算法，实现全局卡型×模型最优匹配 • 开发智能流量管控与限流策略，保障运行时SLA（TTFT、TPOT、错误率） • 结合Agent实现算力优化决策自动化执行闭环
1. 负责数据中心典型应用（如Nginx、Redis、Spark/Flink、多媒体、大模型等）的性能分析与优化，结合公司CPU架构特点（如指令集、缓存、多核调度等），制定针对性的优化方案并落地实施，提升应用在公司CPU平台上的运行效率与稳定性 2. 参与行业解决方案的设计与构建，联动硬件团队、产品团队，将应用优化能力整合到解决方案中，支撑互联网、政企等关键行业客户的数字化转型需求 3. 跟踪行业前沿技术趋势（如新型应用框架、虚拟化/容器技术等），开展技术预研与验证，将先进优化方法与工具引入团队，提升团队整体技术能力 4. 撰写应用优化案例、技术白皮书、最佳实践指南等文档，配合市场与销售团队开展技术推广、客户赋能等工作
客情建设和商机拓展 •主动洞察所在国家/市场的关键行业，识别出关键/潜在客户，并能够主动找到关键决策链，识别客户真实需求。 •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。 •对存量客户进行二次开发，在服务、业务合作等多方面为客户提供体验升级，推进资源上量。 •定期与现有和潜在客户联系，及时了解客户的业务规划和预算、供应商情况、组织架构、技术环境等关键信息。 •识别客户决策链，维护好关键决策点客户的客情关系，并与客户CXO或CXO-D建立长期的业务和技术关系，在合作中获得关键性支持。 产品和技术价值传递 •基于对客户行业和业务背景的了解，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。 •独立面向客户讲解阿里云标准的产品解决方案；或在SA支持下，独立向客户讲解匹配客户业务场景的解决方案，清晰的传递阿里云产品解决方案的竞争力以及能够为客户创造的业务价值。 推动决策和商机转化 •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产品和技术解决方案，持续为客户创造价值。 •通过沟通影响、商务报价等一系列销售策略的运用，转化商机，达成业绩，实现与客户的双赢。 • 将客户使用中遇到的影响客户体验的问题，反向推动内部解决，推动内部产品解决方案和流程体系的改进。 业务支持 •做好客户全生命周期的业务支持，整合各方资源确保项目落地，及时发现并解决产品使用问题。 •推动阿里云产品在客户侧快速迭代，支撑客户技术目标达成。
1、负责医疗妇产专科行业商家，在高德APP上效果类广告及展示类广告的合作拓展，提升合作商家的品牌曝光及经营效率； 2、通过商家的广告投放需求，围绕平台产品进行规划，输出广告营销方案及策略，从而提升合作商家的营收； 3、有较好的KA商家品牌广告攻坚能力，在全国范围内能联动团队也能独立拓展KA商家，持续挖掘行业内KA商家效果类广告及展示类广告商机； 4、能够针对KA客户进行广告推广的方案策划和投放策略支持，能从整合营销、策略规划、投放数据分析、投放复盘等进行全链路营销支持；
1、主导 Agent 主链路策略：负责手机解决方案中 Agent / 模型效果的持续优化，覆盖意图分类链路、记忆链路、Skill 体系、工具集编排等核心模块，为链路端到端效果负责。 2、完成复杂策略方案设计：理解 AI 技术的能力边界与发展趋势，结合用户需求与业务场景，独立完成复杂产品策略的方案设计，将模糊的用户价值翻译为清晰、可执行的模型与产品策略。 3、驱动模型效果迭代：基于业务目标搭建评测体系、定义模型训练的理想数据集与标注规范，与算法、标注、研发团队紧密协作，通过实验设计与快速迭代持续提升模型效果与线上表现。 4、持续洞察用户与优化体验：通过评测数据、线上分析、一手体验、用户调研等多种方式深度洞察用户需求，不断完善对场景与用户的认知，制定并推动相应的迭代策略，持续提升 Agent 体验。
商品基础算法团队是淘天集团核心的商品理解中台，负责对淘天全域（淘宝、天猫等）数百亿的商品进行深度、精准、多维度的内容理解。我们产出的商品认知能力（如属性、卖点、风格、品类、知识），是整个淘天搜索、推荐、广告、AIGC应用、智能导购、直播等所有核心业务的基石，直接决定了用户“逛”和“买”的体验，是连接“人”与“货”的智能引擎。 当前，我们正处在用新一代AI技术（大模型、多模态大模型）彻底重塑商品理解的历史机遇期。在这里，你将接触到海量的电商多模态数据，有机会定义下一代商品理解的技术范式，你的工作成果将通过集团各大业务场景，影响亿万用户的消费决策。 岗位职责： 1、参与商品 Wiki 知识库项目的研发与落地，综合运用 LLM、MLLM、Agent 等技术手段，系统性设计并持续迭代 Judge 引擎，驱动商品 Wiki 内容质量的规模化提升。 2、负责商品 Wiki 全链路质量管控，涵盖质量评估体系建设、错误样本挖掘与改写、人机协同审核流程设计等，通过精细化质量分层与闭环反馈机制，推动内容问题的系统性发现与治理。 3、运用 SFT、偏好学习（DPO/RLHF）、强化学习（RL）等后训练方法，持续提升 Judge 基础模型的判别能力；同时基于 Agentic RL 框架，增强 Judge Agent 在自主任务规划、多步推理及交叉验证等复杂场景下的决策能力。 4、深度跟踪 LLM / Agent 领域前沿学术与工程进展，结合业务场景开展技术可行性验证，推动前沿方法在实际生产环境中的高效落地与规模化应用。
