共 1119 个在招岗位 · 阿里巴巴在北京的最新招聘信息
阿里妈妈是国内先进的数字营销广告平台，在这里你可以了解前沿的搜推广工程技术、实现技术和商业的完美结合。我们需要你： 1. 参与外投效果广告(展示、搜索)在线引擎的业务交付和后端引擎系统升级，助力广告算法提效和营收目标增长 2. 有GPU在线推理服务、CUDA算子开发经验优先 3. 通过抽象、沉淀、重构等多种技术手段，持续提升阿里妈妈广告业务引擎的性能、稳定性、健壮性和开发效率 4. 利用领域建模思想，参与并建设下一代GPU广告业务引擎，在技术上不断攻坚克难，促进阿里妈妈广告技术保持业内先进性
1. 负责平台内容风控算法能力建设，针对图文、视频、直播、AIGC内容等场景，构建高召回、高精准的违规识别与风险判定体系； 2. 设计并实现内容风控核心算法架构，包括但不限于多模态特征建模、语义理解与风险推理能力等，提升系统在复杂违规场景下的识别效果； 3. 探索并落地多模态大模型（MLLM）在内容风控领域的应用，包括Prompt Engineering、模型微调、RAG检索增强、Agent决策等技术，提升复杂语义违规的理解与判别能力； 4. 构建可持续进化的风控算法体系，通过数据挖掘、弱监督学习、主动学习等方法持续发现新的违规模式和风险内容； 5. 参与建设大规模内容风控算法平台，支持海量内容实时识别与离线挖掘，提升风控系统的稳定性、可扩展性与迭代效率；
在这里，你将接触到中国领先的数字营销广告平台，了解技术和商业目标如何完美结合；了解最前沿的分布式系统技术；我们需要你： 1、建设业界技术领先的广告引擎框架，技术赋能效果/品牌/内投/外投广告业务 2、持续优化广告投放引擎研发迭代模式，通过架构优化、灵活部署，不断提升业务迭代效率，同时保证系统稳定性； 3、分析现有系统不足，找到目前系统的瓶颈，改进、提高系统性能 团队介绍 我们是淘天集团阿里妈妈引擎框架团队，2024年孵化了业界第一个GaaS“图”交付引擎框架EADS2.0，2025年已完成EADS3.0在搜索GPU召粗一体初步落地，打开算力天花板，算法提效显著；团队支撑阿里妈妈从召回到策略所有在线业务引擎的迭代，有多个方向：引擎框架（SDK&runtime执行引擎&推理内核）、索引（内核artis&构建系统ubs&openindexer）、框架AI效能（框架研发harness闭环&线上诊断）。我们的使命是：持续优化业务迭代效率&运行效率，通过极致的性能提升赋能算法更大的算力空间。在这里你可以获得：底层框架一行代码提交，收到所有业务引擎的回归测试报告，1%的性能提升就能换来几万核cpu or N卡GPU资源节省的巨大成就感；通过在管控上简单UI操作就能随意调整引擎架构完成最优的部署的新奇。现阶段正在积极探索EADS4.0（HPC-EADS） - 在AI时代下异构计算更全面的落地业务引擎，期待对技术有执着追求的你加入！ 团队特点 1.能全身心参与业界优秀的数字商业化广告引擎框架和平台建设，在高速发展的业务当中，建立对前沿的搜索/推荐/广告系统核心技术全面认知 2.通过引擎框架EADS(部署几百万核，服务几千万QPS)，技术赋能阿里妈妈所有核心业务线(效果/品牌，内投/外投) 3.持续优化广告引擎(召回/排序/策略/特征/预估)架构和GaaS（Graph as a service）研发范式，不断提升业务迭代效率，同时保证系统稳定性 4.通过异构计算模式、轻量级图执行引擎、多推理引擎建设，持续优化底层检索内核和引擎运行时性能，打开算力天花板
阿里妈妈工程技术团队是淘天集团深耕搜索、推荐、广告及GenAI/Agent应用的前沿阵地，致力于构建领先的AI广告系统，用技术驱动千亿级商业决策。我们正在推动广告产品的Agent化重塑，以大模型调度多智能体，覆盖智能投放、创意生成、风控审核等全链路，打造AI Native营销产品。 作为应用研发工程师，你将： 1、从事互联网营销应用系统研发，独立承接项目，进行良好的系统设计和实现；深入理解广告业务逻辑，将业务需求转化为高质量的技术方案并推动落地。 2、负责核心业务系统的架构设计与开发，确保系统在高并发、大流量场景下的性能与稳定性。 3、对所负责系统进行持续规划与演进，不断优化和升级系统架构，提高性能、稳定性、可用性和扩展性；负责线上系统的维护管理，保障系统稳定运行。 4、进行技术预研和技术攻关，突破系统和项目中的技术难点；主导分布式架构、存储方案、中间件选型等关键技术决策。 5、推动广告系统的AI化升级，设计并构建Agent系统的业务流程闭环（意图解析、任务拆解、工具调用、自主执行、反思迭代）；将AI的"不确定性"转化为工程的"确定性"，构建高可用的AI应用架构。 6、具备数据驱动意识，通过业务数据分析发现潜在机会点，主动提出优化方案或产品建议，撬动业务增量，推动技术价值向商业价值转化。
1、行业渠道布局：负责高德在银行、保险、运营商三大行业的渠道体系搭建，开发并签约行业代理、金融科技集成商、保险科技公司、运营商生态合作伙伴，构建覆盖目标客户群的多层级渠道网络。 2、核心客户经营：直接或通过渠道触达城商行、农商行、股份制银行分支机构，头部保险公司省/市分公司，三大运营商省/市公司等核心客户，建立决策层关系，孵化行业标杆项目。 3、方案落地：协同产品与解决方案团队，将高德地图门户、AI Agent 投放、Token 消耗计费、到店归因、地理围栏、大数据洞察等能力转化为行业场景方案（如银行网点引流、保险 UBI 定价、运营商基站选址优化），并推动渠道完成签约与交付。 4、商务全流程：主导或协助渠道完成项目全流程（需求摸排 → 方案撰写 → 商务谈判 → 合同签订 → 回款），对签约额、回款、毛利等核心 KPI 负责。 5、渠道赋能与联动：协调高德 × 阿里云 AI 联合方案资源，制定渠道分级、激励、培训与考核机制，组织行业解决方案培训、标杆案例宣讲、联合营销，提升渠道自主获客与交付能力。 6、市场策略：跟踪银行网点数字化、保险科技、运营商位置大数据变现等行业趋势，洞察竞品（百度地图、腾讯位置服务、银联商务、运营商自有数据产品等）动作，为业务策略提供输入。
1、负责渠道业务发展规则，建设多元化的渠道发展结构，持续优化，形成优势互补； 2、负责渠道商业目标分解，进行销售及服务过程标准化管理，为渠道的商业目标达成负责； 3、负责高德房产二租渠道考核机制设计、落地，能够以机制驱动渠道的分层，升级，汰换，建设健康可持续的发展体系；
1. 出价与流量调控：设计并实现超大规模在线广告实时竞价系统和实时出价算法，满足广告主多目标、多约束下的广告投放诉求； 2. 机制设计与运筹优化：将运筹优化、博弈论与深度学习深度融合，构建高效、公平、收益最优的拍卖分配机制； 3. 前沿技术落地应用：探索强化学习、大模型（LLM）、图学习等前沿AI技术在直播广告投放、创意、客户工具、营销科学等方向的创新应用； 4. 产品协同与业务驱动：与产品、工程、运营团队紧密协作，将算法能力转化为可落地的直播广告产品，支撑业务高速增长。
1. 出价与流量调控：设计并实现超大规模在线广告实时竞价系统和实时出价算法，满足广告主多目标、多约束下的广告投放诉求； 2. 机制设计与运筹优化：将运筹优化、博弈论与深度学习深度融合，构建高效、公平、收益最优的拍卖分配机制； 3. 前沿技术落地应用：探索强化学习、大模型（LLM）、图学习等前沿AI技术在直播广告投放、创意、客户工具、营销科学等方向的创新应用； 4. 产品协同与业务驱动：与产品、工程、运营团队紧密协作，将算法能力转化为可落地的直播广告产品，支撑业务高速增长。
负责优化阿里妈妈搜索广告的相关性&NLP算法、用户体验优化，包括并不限于： 1. 建设搜索场景下的Query理解、商品理解、相关性判别能力； 2. 紧跟前沿LLM、MLLM、NLP和机器学习技术，结业上述业务需求，进行算法应用与创新，实现相关性体验优化； 3. 建设和完善Query理解、商品理解标签体系和标注标准，通过知识库建设、标注任务迭代、数据飞轮等持续提高数据质量，积累电商领域数据资产； 4. 从算法与工程Co-Design视角，设计和完善Query理解、商品理解、相关性判别的离在线算法和系统基建，充分释放算法优化带来的业务价值。
岗位职责 1. 打造阿里妈妈首款全域广告营销新产品，助力阿里妈妈实现百万级客户与亿级广告营销消耗增长的新机会； 2. 建设基于智能Agent架构下的全新广告BP系统，实现跨媒体创投一体、制投一体的新一代智能广告平台； 3. 负责基于AGI能力的新一代广告投放算法的全链路升级工作，包括基于生成式、LLM模型和稀疏性大模型等算法在广告召回、预估和机制策略的全链路改造和优化工作。
1. 负责淘宝信息流场景下的直播推荐算法研发工作，提升用户体验与转化效率； 2. 主导信息流直播业务全链路推荐体系的构建，包括召回算法、CTR/CVR预估模型、流量分发机制及混排等方向的持续迭代； 3. 探索多模态大模型、生成式模型等前沿技术在信息流直播推荐场景的创新应用，引领直播电商推荐技术升级。
负责阿里妈妈核心广告产品的广告主投放效果优化、广告产技能力创新和客户增长。 岗位职责 • 负责提升广告主的全生命周期体验，驱动客户成长。主导广告体验Agent等AI原生应用的研发，通过大模型实现智能诊断、策略建议、自动优化等功能，通过技术手段显著降低广告主的操作门槛与决策成本，提升广告投放体验。 • 主导广告核心的智能出价（Bidding）算法的设计与迭代。利用深度学习、强化学习、大模型等技术升级智能出价算法，直接对广告主的投放效果负责。 • 参与阿里妈妈广告业务的算法体系建设，持续探索商业化模式创新，打开业务天花板。同时，保持对学术界和工业界前沿动态的高度关注，将最新的技术思想快速引入并转化为可落地的解决方案。
负责阿里妈妈核心广告产品的广告主投放效果优化、广告产技能力创新和客户增长。 岗位职责 • 负责提升广告主的全生命周期体验，驱动客户成长。主导广告体验Agent等AI原生应用的研发，通过大模型实现智能诊断、策略建议、自动优化等功能，通过技术手段显著降低广告主的操作门槛与决策成本，提升广告投放体验。 • 主导广告核心的智能出价（Bidding）算法的设计与迭代。利用深度学习、强化学习、大模型等技术升级智能出价算法，直接对广告主的投放效果负责。 • 参与阿里妈妈广告业务的算法体系建设，持续探索商业化模式创新，打开业务天花板。同时，保持对学术界和工业界前沿动态的高度关注，将最新的技术思想快速引入并转化为可落地的解决方案。
依托阿里妈妈海量广告、消费者行为与商家经营数据，探索 AI Data Agent 在营销分析与决策中的下一代应用形态。构建统一的数据语义与业务上下文，让 AI 能够准确理解数据、可信回答复杂业务问题，并进一步发现关键变化与机会，形成有价值的洞察、诊断与策略建议，推动营销分析从数据查询走向 AI 驱动的智能分析与决策。 面向广告增量归因与价值衡量等核心问题，探索因果推断与 Marketing World Model 在营销场景中的前沿应用，从大规模行为与经营数据中挖掘广告影响消费者决策和商业结果的真实规律，研究增量价值、因果机制、状态演化与反事实推演，推动营销智能从相关性预测走向因果理解与决策推演。
1. 湖仓一体的数据建设：负责PB级广告营销Lakehosue，建设企业级低延迟、高准确、高可靠的广告数据底座，支持核心业务秒级决策 2. 营销归因与因果推断：深入挖掘营销动作与转化效果间的因果链条，系统化落地MTA、Uplift等模型，为平台和客户提供科学精准的营销价值度量 3. 生成式营销洞察策略：探索 GenAI + Data Agent 的前沿应用，将海量非结构化市场趋势与消费者行为数据转化为可落地的营销策略，驱动营销决策的智能化跃升
1.客户需求调研。针对电商及商业化业务场景，开展商家客户调研、代理生态调研，包括：定性，定量，结合外部竞争环境以及妈妈业务，围绕策略，技术，产品，运营，以及生态等输出有深度，有思考的综合性报告。 2.行业策略分析调研。负责行业动态分析，洞悉行业发展趋势，扫描，梳理并追踪各平台动向打法。进行业专家深访，财报分析，行业信息研究，内部数据提取分析；搭建研究分析框架，并综合各种信息渠道对策略进行有效分析解读、在战略和战术层面有效输出 3.AI领域分析及行业专家访谈。从电商应用与投资角度，针对AI技术领域、AI应用市场进行动态分析，洞悉行业发展趋势、监控与分析该领域核心玩家/公司的关键动向，并针对资本市场反响较大的核心事件进行专家深访、形成分析报告，面向战略层提供有效输出 4.与顾问，策划，产品，运营，技术，生态等业务团队深入沟通，了解内部业务诉求，通过动态分析反哺业务，赋能妈妈业务打区隔战，找到业务落地点以及突破点创新变革。
我们正在推动集团安全部的 AI-Native转型， 训出一个好模型，只是工作的一半。让模型在真实业务战场上打赢，在对抗环境下持续打赢——需要另一种算法能力：归因诊断、Harness 设计、后训练数据、从 bad case 到基模能力的闭环。 我们在找这种算法专家。你是这支团队的负责人：不做基模训练，而是让基模与 Agent 在具体战场上发挥最大战力，并把战场上的真实弹药带回训练营。 岗位职责 1. 端到端解决方案设计与落地：深入业务线核心链路与关键风险点，把模糊的安全诉求翻译为可执行的 Agent 编排方案、数据方案与执行计划，对风控拦截率、内容合规率、漏洞修复时效等核心指标承担端到端责任。 2. 效果归因与诊断：构建全链路归因体系，把效果问题的根因逐层定位到 harness 约束、数据质量、检索与上下文、模型能力等环节，让评测从"判决"走向"归因"，让优化有精确的入口。 3. 效果优化与分层交付：专家级的 harness 与提示工程设计；在基模能力不足的场景设计后训练路径——高质量轨迹数据构建、蒸馏与知识注入、模型路由与分层交付策略（模型直用 / 优化增强 / 完整方案定制），持续抬高交付效果的天花板。 4. 数据飞轮与能力回流：把一线 bad case、误报、人工纠偏结构化回流，翻译成对基模与平台的清晰能力要求，用交付数据驱动模型进化——每一次优化，都可能成为下一版基模的训练燃料。 5. 沉淀高效、可泛化的交付体系：成为产品与战场之间的高保真信道，把客户通用需求、平台缺陷、产品改进点高保真地反馈给AI基建，推动平台标准化能力的演进，实现平台厚度与快速交付的正向循环。
1、从事RISC-V CPU 编译器的研发工作，包括编译器架构设计、优化遍开发、应用程序性能分析调优等工作； 2、基于 MLIR + Linalg 框架，提升编译器代码块执行效率； 3、参与图优化、后端代码生成、调度策略、指令优化、流水并行化相关优化工作； 4、研究和优化 Kernel 计算性能，降低计算开销，提高吞吐率； 5、研究算子融合（Op Fusion）、自动调优（Auto-Tuning）、代码生成（CodeGen）相关优化策略； 6、与硬件团队、AI 框架团队（如 PyTorch）协作，提升 AI 编译器的支持能力； 跟踪 LLVM、Triton、TVM、XLA、TorchInductor 等 AI 编译器前沿技术，优化编译性能。
1. 商家&商品审核风控体系搭建 搭建商家准入、商品上架、信息更新的事前核验、事中巡检、违规处置闭环流程；制定信息纠错、违规处罚、申诉规范，解决门店关停未下架、地址错误、套餐规格虚标、图文货不对板等信息失真问题。 2. 商户作弊与虚假宣传风控治理 针对虚假门店、夸大宣传、违规引流等商家违规行为，设计审核规则、筛查策略；结合线上巡检+抽样核查，拦截违规信息上线，遏制中小商户批量作弊黑产。 3. 风险数据监控与策略迭代 搭建审核风控核心指标看板（违规检出率、错误信息逾期整改率、用户信息投诉量、审核时效等）；通过SQL数据分析定位高发风险场景，持续优化审核标准与筛查逻辑。 4. 跨部门协同对接 联动产品、技术、运营、法务推进审核工具迭代；新团购品类、新城市业务上线前开展信息风险评估；突发批量虚假门店、大规模违规宣传事件牵头应急处理。 5. 审核团队管理 负责审核风控小组日常排班、案件复核、绩效考核；开展审核标准培训、疑难案例复盘，统一判定口径，提升团队审核准确率与处理效率。
1. 负责大模型数据平台的整体架构设计与演进，围绕数据的统一管理、检索发现、洞察分析与安全流通构建平台化能力，支撑大模型研发数据的高效、稳定供给。 2. 主导数据检索、预览与数据集组织等核心能力的产品化建设，把算法与业务的用数诉求抽象为通用、易用、自动化的平台服务，持续提升数据的可发现性与可用性。 3. 建设面向数据资产的洞察与追踪体系，实现数据底库、质量与全生命周期流转的可视化、可观测与可度量，为数据价值评估与决策提供支撑。 4. 推动平台与研发全链路的开放集成，通过标准化服务与接口对内对外赋能，提升团队整体的用数效率与协同水平。
1、商务拓展：负责金融业务渠道拓展，挖掘新的合作客户，拓展多元化商务合作模式，完成公司既定的商务拓展及业绩目标。主动调研行业市场动态、竞品商业模式及客户需求，收集市场信息、行业政策、合作商机，输出市场调研分析报告，为公司业务发展、合作策略调整提供有效依据。对接合作方、客户的商务洽谈、合作方案制定、合同谈判及签约落地工作，跟进合作全流程，保障合作顺利推进，维护良好的商务合作关系。深度维护存量客户及合作渠道，定期开展客情回访，挖掘客户二次合作、增值合作机会与合作产值； 2、运营分析：负责业务日常运营数据的统计、整理与监控，涵盖渠道数据、业绩数据、客户数据、转化数据等，建立常态化数据台账并定期开展运营数据分析，拆解业务转化链路，精准定位业务增长亮点、短板及运营问题，输出双周运营数据分析报告。业务统筹、策略制定与优化。统筹业务运营全流程，协同内部产品、研发等团队，落地运营优化动作，解决业务推进过程中的各类运营问题，提升整体业务运营效率。同时基于数据分析结果，拉通多部门配合，针对性优化商务运营策略，提出可落地的业务优化方案并跟进执行，驱动业务业绩增长。定期复盘商务拓展、合作运营项目效果，总结成功经验与失败问题，迭代优化商务合作模式与运营体系； 3、战略研究：了解业务的发展战略和目标，关注互联网和AI领域的新趋势与新变化，协助战略投资组了解和搜集、整理、洞察行业发展趋势并能结合内外部视角，提出布局策略和建议，推动决策的形成与落地；
1、负责信息流搜索业务，保障数据准确性与及时性，通过数据洞察及时定位业务问题与机会点，保障业务策略落地； 2、准确全面理解业务逻辑和目标，对目标达成路径进行拆解，通过设计指标体系、建设数据看板，为业务制定/达成目标提供支持； 3、对重要业务专项，可以进行数据与信息提取整合，完成从需求探索、数据探查及数据报告的闭环，产出高质量的专题分析报告； 4、能跨部门合作，和产品/运营/算法团队一起用科学方法对AB实验进行策略效果评估，推进优化方案的落地执行； 5、完善数据指标体系、埋点方案，管理数据口径，提升数据应用和决策支持效率；
1. 负责通用搜索场景下资源（小说、视频、软件、游戏、漫画等）推荐相关的召回、排序、策略等算法设计与技术规划； 2. 参与制定推荐算法策略和流程，使用机器学习和深度学习技术维护和更新模型，确保推荐算法的质量和效率； 3. 与产品经理、数据科学家、产品运营专家等合作，确保推荐系统的设计和实现符合需求。
1. 负责百炼大模型相关的用户技术支持服务，承接用户日常咨询答疑，对模型调用异常、API 报错、推理结果异常等典型问题进行快速排查与定位，帮助用户高效使用模型能力。 2. 沉淀高频问题处理经验与排查方法论，形成可复用的知识库；将重复性支持工作进行抽象提炼，主动开发问题诊断工具，参与智能答疑 Agent 的设计与建设，降低人工支持成本。 3. 基于对百炼模型的深入理解与用户需求洞察，及时收集、整理用户在使用过程中反馈的问题与改进建议，结构化传递至sre、产研团队，协助推动产品体验持续优化。
团队介绍：POI智能化使命是通过高质量高效率低成本的智能化手段及先进生产力，应用并改进行业最前沿的LLM和Agent技术，数字化还原真实世界POI，保障POI数据的时效性、正确性和完备性，作为高德用户信息获取、交易履约和出行体验的基础。每个POI背后都有精彩的故事，我们作为链接POI和用户的第一步，每一分努力都是与现实世界的一次互动。 职位描述：基于 LLM/Agent 的自主规划、执行、反思与协同能力，构建面向数据生产与智能决策的下一代技术链路，推动从信息理解、自动挖掘、质量校验到闭环更新的全流程智能化，提升POI数据生产效率、用户交互体验； 负责 Agent 基础服务平台建设，探索自主规划、任务分解、工具调用、结果验证和闭环执行等关键能力； 负责 NLP/LLM 相关基础算法能力建设，包括文本理解、信息抽取、纠错、质量评估、生成与融合等核心能力； 探索 LLM 在复杂场景下的零样本、少样本学习与推理能力，提升算法在开放任务中的泛化效果与落地效率； 参与智能语音交互、端侧 Agent、设备协同 Agent、多模态安全识别、Agent攻防等前沿方向的研发与应用。
1. YouTube 矩阵经营：独立自运营 10 + YouTube 漫剧矩阵频道，完成频道定位、内容编排、包装发布、版权管理、增长优化及商业化运营，建立按题材、受众、语言和内容形态划分的频道矩阵策略，持续优化播放量、观看时长、订阅增长、RPM、回收周期及整体收入结构。 2. YouTube服务商规模化管理：搭建频道代运营服务商准入、分工交付、数据复盘，驱动外部团队规模化运营，并确保内容质量、账号安全、版权合规和经营结果可控，基于数据识别高潜 IP、题材和内容形态，沉淀选片、切片、封面标题、更新节奏及长短视频联动方法，实现矩阵频道收益最大化。 3. 海外社媒发行与多元创收：熟悉 TikTok、nstagram 等海外媒体渠道的内容机制、流量规则、版权政策与主流创收方式，制定差异化平台发行策略，重点负责 TikTok 本土剧与中文剧的海外制作与发行，熟悉内容选型、本地化转绘、发布和投放的完整制作流程；熟悉TikTok自然流量、广告投放、达人分发、付费解锁、导流转化等多元发行与变现模式，维护并拓展平台、MCN、内容发行商、制作及技术服务商等合作资源，推动重点项目、平台政策、商业化机会和联合运营合作落地。 4. 海外内容生态与收入模式拓展：持续研究海外漫剧内容生态，理解不同国家和地区的用户偏好、题材趋势、内容形态和商业模型；结合书旗 IP 储备、成品漫剧质量及版权条件，评估海外发行潜力，制定分区域、分语言、分平台的发行优先级和收入目标；拓展版权授权、联合出品、IP 衍生及跨平台导流等收入模式，提升内容的生命周期价值；建立内容分级与经营复盘机制，沉淀从选片、测试、放量到长线运营的标准方法，持续提高爆款概率和项目回报。 5. AI 驱动的发行能力建设：熟练使用主流 AI 工具，能够自主搭建适用于中文漫剧海外发行的端到端工作流，建设并持续优化 AI 剪辑、画面合成、字幕生成与校对、多语种翻译、配音、封面标题生成、批量发布及素材管理流程，推动跨平台发布自动化、数据采集、看板搭建和经营分析，提升团队对内容表现与收入变化的响应速度，评估不同 AI 模型和自动化方案的质量、成本、稳定性与合规风险，持续降低制作与发行成本、提升人效和收入。
关于我们： MOS 实验室隶属于阿里 ATH 千问事业群。我们致力于在大模型时代打造具有全球影响力的 AI 原生产品，推动 AI 从“被动对话”向“主动服务与复杂执行”的范式跃迁。 实验室核心业务涵盖 AI 搜索、生成式推荐、主动服务及任务助理 Agent 等前沿领域。依托千问大模型底座，我们深度探索 RAG、Agentic RL、多 Agent 协作及全链路工程自动化技术，旨在构建能够深度理解用户、自主规划路径并闭环交付任务的“最强 AI 助手”。 岗位职责： 1. 工程链路构建与优化： 负责不同业务场景下 Agent 的全链路工程实现，包括上下文工程（Context Engineering）、长时记忆管理及复杂任务流的编排优化。 2. 业务场景深度适配： 深入理解搜索、推荐或垂直场景（办公、财经、学术等）业务需求，通过高阶 Prompt Engineering 及策略逻辑，解决 Agent 在垂直领域下的指令遵循、幻觉控制等核心问题。 3. 底层能力支撑： 建设并维护 Agent 运行的基础设施（如 Docker 容器环境、浏览器操控 Claw 等），确保 Agent 在受控、安全、高效的环境中执行任务。 4. 效果评测与闭环： 建立 Agent 效果评测体系，针对业务指标进行端到端的归因分析与算法迭代，确保持续的性能提升与交付质量。 职级可看P6-P8
职位概述 作为阿里云合作伙伴生态的商业化推动者，您将负责管理并加速AI产品伙伴（包括ISV、SI 、大模型及行业解决方案商）的业务增长。您需深入理解合作伙伴的业务战略、技术能力与市场定位，通过定制化的商业计划、激励机制与联合 go-to-market（GTM）策略，驱动其在阿里云云平台及千问大模型上的业绩增长与技术创新。 本岗位聚焦商业结果导向，强调数据驱动、跨团队协同与长期伙伴关系建设，是连接阿里云与生态伙伴实现双赢的核心角色。 主要职责 1. 合作伙伴商业管理与增长 负责重点合作伙伴的端到端商业关系管理，制定年度/季度业务计划，设定可衡量的增长目标（如销售业绩、token消耗、标杆客户数、新客户数等）。 分析合作伙伴的业务健康度（如token消耗、云资源使用量、客户覆盖、技术能力成熟度），识别增长机会与风险，提供针对性建议。 2. 联合 Go-to-Market 与业绩加速 与阿里云各团队销售、解决方案架构师、市场团队紧密协作，设计并执行联合销售与营销活动（如行业研讨会、客户路演、POC 支持等）。 管理合作伙伴商机报备（AO/PO）流程，确保合规性并加速成交转化。 推动联合解决方案销售模式，协助合作伙伴将基于千问大模型和阿里云的解决方案销售给企业客户，共享销售成果。 3. 生态赋能与能力建设 引导合作伙伴完成能力认证，提升其专业化水平。协助伙伴拓展MCP、Skills、Connector等技术方向。 协调内部资源（培训、技术、市场），帮助合作伙伴构建可复用的行业解决方案（如金融、零售、制造、教育、游戏等）。 定期组织合作伙伴业务复盘（QBR），对齐战略方向，解决关键障碍。 4. 市场洞察与反馈闭环 持续跟踪区域市场趋势、竞争动态及客户痛点，向产品与战略团队反馈生态声音。 推广新产品与服务（如千问大模型）在合作伙伴中的应用。
1、负责夸克搜索核心产品的规划与迭代，围绕用户从需求表达、结果获取到任务完成的完整链路，明确产品策略和演进路线，对搜索质量、用户满意度、产品留存与使用频次负责。 2、深入分析搜索需求与 Query 分布，建立对信息获取、知识问答、消费决策、创作及复杂任务等场景的系统认知，识别高价值机会并制定差异化产品策略。 3、负责搜索结果页及关键策略产品设计，推动 Query 理解、召回、排序、结果组织、垂类卡片与交互表达协同优化，在相关性、权威性、时效性、丰富度和浏览效率之间做出清晰取舍。 4、探索并落地 AI 搜索产品形态，围绕直接回答、多轮追问、深度研究、内容总结与 Agent 任务执行等场景，将大模型能力转化为稳定、可信、可感知的用户价值，持续优化答案事实性、引用质量、表达效率与可控性。 5、与算法、研发、内容、运营与设计团队紧密配合，推动产品方案的落地，并对最终业务结果负责。
1.技术战略与架构能力： 计算机相关专业硕士及以上学历，8年以上算法研发经验，其中至少2年以上团队管理经验（直接管理5人以上算法团队）。具备从业务目标到技术路线的拆解能力，能独立制定算法团队的中长期技术规划，主导过至少一个核心算法方向从0到1的建设并推动其在生产环境中规模化落地。 2.大模型与Agent深度实践： 对大模型技术有系统性理解，不仅限于使用层面——能评估不同模型架构（Transformer及后Transformer范式）在特定业务场景下的适用性，主导过模型选型、训练策略制定及推理成本优化。具有生产级Agent系统的架构设计经验，能指导团队完成Multi-Agent系统的方案评审与关键模块设计，对Agent的可靠性、可控性和成本效率有成熟的工程化方法论。 3.算法技术纵深： 在以下至少两个方向有深入的技术积累和团队指导能力：空间智能与地理知识推理（Geo-Knowledge Graph、空间索引、地理实体识别与关系抽取）、多模态理解与生成（视觉-语言模型在地图场景的应用、POI图文理解、街景分析）、决策优化与规划（路径规划、资源调度、基于LLM的复杂任务编排）。能结合业务需求判断技术投入的优先级，避免"为了用模型而用模型"。 在算法层面，精通机器学习、深度学习及推荐系统核心范式，能够从协同过滤到Transformer、从双塔模型到图神经网络自如选型；在工程层面，具备大规模数据处理、模型服务化及MLOps全链路能力，能够将算法从实验环境推向生产系统； 4.工程化与质量意识： 深刻理解算法系统从Demo到生产之间的鸿沟，能主导设计算法服务的SLA体系（延迟、吞吐、准确率、容错），建立模型效果的持续监控与迭代机制。对RAG、Prompt Engineering、Fine-tuning等手段的适用边界有清晰判断，能指导团队在不同场景下选择性价比最优的技术方案。 5.数据与评估体系： 具备构建算法评估体系的能力，能定义核心指标（不只是离线指标，还包括线上业务指标），设计数据飞轮策略，推动数据质量与模型效果的正向循环。对数据标注的成本控制、标注方案设计、标注质量管控有实操经验。 6.跨团队协作与影响力： 具备优秀的跨团队沟通与技术影响力，能与产品、工程、业务方高效对齐需求与预期，能在技术分歧时做出有理有据的决策并推动落地。有在部门或公司层面推动技术标准制定、工具链建设或知识沉淀的经验。 7.业务了解：能够将预测建模、增强分析与商业智能深度融合，实现从"描述发生了什么"到"预测将要发生什么"再到"决策如何干预"的智能跃迁。 8.AI工具与研发效能： 熟练使用AI编程工具（Cursor、Claude Code等）并能在团队中推广高效的AI辅助研发流程，关注团队的工程效能提升，推动代码质量、Review机制和CI/CD流程的持续改进。
