共 2450 个在招岗位 · 阿里巴巴在杭州的最新招聘信息
1、负责飞猪度假游玩线路行业的渠道运营工作，以补贴、渠道、活动为核心杠杆撬动需求侧转化，让优质供给被更多用户看见并高效下单，为行业规模与转化效率负责。 2、统筹补贴资源投放策略，结合用户需求分析与市场趋势判断，设计"补贴×渠道×活动"的组合打法，提升资源使用效率与投产比（ROI）。 3、负责整合淘宝店播、视频号直播、外部达人等新兴渠道的运营与供需匹配，以渠道为载体开展商家经营赋能，帮助商家实现渠道增量与经营能力提升。 4、协同度假消费者运营，搭建并优化行业渠道运营机制，包括渠道选品、活动排期、商家分层运营与效果复盘，形成可持续的增量经营模式。 5、为横向各协同方提供渠道侧的数据分析、策略建议与专业支持，推动跨团队目标一致达成。
职位描述 1、拓展新商户及维护老商户，与商户建立长期稳定的区域商户关系； 2、了解并根据商户需求，制定个性化营销方案，与商户谈判并达成合作； 3、执行公司的营销策略和政策，达成业绩目标； 4、能迅速发现问题，并持续优化策略和计划； 5、及时处理来自商户的投诉，反馈、建议等，以提高商户的满意度。
1. Code Agent 架构与核心模块建设 ● 负责 Code Agent 核心模块设计与研发，包括 Runtime、Planner、仓库上下文、代码编辑、工具调用、执行沙箱、状态管理和权限审计。 ● 建设仓库级代码索引、语义检索、依赖分析和上下文组装能力，提升大型代码库的理解与定位效率。 ● 对接 Git、代码托管、IDE、需求系统和 CI/CD，支持专有云、混合云及企业内网部署。 2. 自主软件工程任务闭环建设 ● 建设从需求或 Issue 理解、代码定位、方案规划、代码修改、测试执行到错误修复的任务链路。 ● 完善长任务中的状态保存、重试恢复、人工确认、失败回退和过程追踪能力。 ● 根据任务复杂度选择单 Agent、确定性 Workflow 或人机协同方案。 3. 工程化与评估体系建设 ● 优化真实代码仓库中的任务完成率、有效 Patch 率、测试通过率、运行延迟、Token 成本和执行稳定性。 ● 建设覆盖仓库理解、Bug 修复、测试生成、代码评审和代码迁移的评估集与回归机制。 ● 完善 Trace、执行回放和失败样本分析能力，支持问题定位与持续迭代。 4. 场景落地与模板沉淀 ● 面向 Bug 修复、单测补全、代码评审、重构迁移等场景，识别高价值、可验收的 Agent 任务。 ● 将任务流程、仓库规则、工具链路、权限策略和评估样例沉淀为标准任务模板。
1. 探索智能化在淘系商家服务场景的落地应用与创新突破，充分发挥AI应用的潜力，构建电商B端服务的下一代AI技术体系； 2. 重塑商家进线服务体验：通过智能场景化预测、知识检索、智能路由应答、人工协作等多元AI工具，提高商家进线求助平台的服务体验； 3. 赋能商家智能化运营：深入商家在平台经营的业务，打造一些帮助商家自助解决、售后订单处理、ERP集成等AI助力工具，提升商家在平台的经营效率与效果。
1. 验收系统底层方向 AI Coding 数据质量 — 对底层 bug-fix、性能优化、内存/并发问题修复、嵌入式功能开发等任务数据进行质量验收，核查任务设计的真实性、难度合理性与工程场景还原度。 2. 标注规范与数据设计：负责主导 Code 方向标注规范的制定与持续迭代，覆盖代码生成、代码补全、debug、代码解释、代码审查等多类任务；设计 Agentic 场景下的标注框架，包括 multi-step reasoning、tool use、planning、self-correction 等复杂任务链的拆解与评估标准；基于模型表现与研究进展，持续优化标注指南，确保数据质量与训练目标对齐; 3. 数据质量管控：对标注员产出进行专家级审核，重点识别代码逻辑错误、安全漏洞、风格一致性问题；建立 Code / Agentic 数据质量评估体系，定义量化指标并追踪质量趋势；设计并执行标注一致性校验流程（IAA），提升跨标注员的数据稳定性; 4. 标注团队赋能：为标注员提供技术培训，将复杂的代码和 Agent 概念转化为可操作的标注实践；担任技术难题的终极裁判，解决边界案例和歧义问题；参与标注工具需求设计，提升代码标注效率; 5. 探索更科学的评测指标、更高效的评测和标注方法。
1. 验收数据工程方向 AI Coding 数据质量 — 对数据处理 bug-fix、pipeline feature 开发等任务数据进行质量验收，核查任务的真实性、难度合理性与工程场景还原度。 2. 标注规范与数据设计：负责主导 Code 方向标注规范的制定与持续迭代，覆盖代码生成、代码补全、debug、代码解释、代码审查等多类任务；设计 Agentic 场景下的标注框架，包括 multi-step reasoning、tool use、planning、self-correction 等复杂任务链的拆解与评估标准；基于模型表现与研究进展，持续优化标注指南，确保数据质量与训练目标对齐; 3. 数据质量管控：对标注员产出进行专家级审核，重点识别代码逻辑错误、安全漏洞、风格一致性问题；建立 Code / Agentic 数据质量评估体系，定义量化指标并追踪质量趋势；设计并执行标注一致性校验流程（IAA），提升跨标注员的数据稳定性; 4. 标注团队赋能：为标注员提供技术培训，将复杂的代码和 Agent 概念转化为可操作的标注实践；担任技术难题的终极裁判，解决边界案例和歧义问题；参与标注工具需求设计，提升代码标注效率; 5. 探索更科学的评测指标、更高效的评测和标注方法。
1. 验收后端方向 AI Coding 数据质量 — 对标注团队产出的 bug-fix、feature 开发、refactor 等任务数据进行质量验收，核查任务设计的真实性、难度合理性与工程场景还原度。 2. 标注规范与数据设计：负责主导 Code 方向标注规范的制定与持续迭代，覆盖代码生成、代码补全、debug、代码解释、代码审查等多类任务；设计 Agentic 场景下的标注框架，包括 multi-step reasoning、tool use、planning、self-correction 等复杂任务链的拆解与评估标准；基于模型表现与研究进展，持续优化标注指南，确保数据质量与训练目标对齐; 3. 数据质量管控：对标注员产出进行专家级审核，重点识别代码逻辑错误、安全漏洞、风格一致性问题；建立 Code / Agentic 数据质量评估体系，定义量化指标并追踪质量趋势；设计并执行标注一致性校验流程（IAA），提升跨标注员的数据稳定性; 4. 标注团队赋能：为标注员提供技术培训，将复杂的代码和 Agent 概念转化为可操作的标注实践；担任技术难题的终极裁判，解决边界案例和歧义问题；参与标注工具需求设计，提升代码标注效率; 5. 探索更科学的评测指标、更高效的评测和标注方法。
你是否想过，一个能理解“这个商品适合我吗？”、“为什么还没发货？”、“能不能退差价？”的AI客服，背后是如何思考和行动的？ 在淘天集团店小蜜团队，我们正打造下一代基于大模型Agent的智能问答机器人系统，覆盖亿级用户的售前导购、商品推荐、活动咨询、售后排障、退款物流等全链路服务场景。 加入我们，你将： 1.构建电商领域最强AI客服Agent：和算法同学协作，基于大语言模型（LLM），设计具备任务理解、工具调用、多轮推理与决策能力的智能体（Agent），让AI真正“会思考、能办事”； 2.打造高可用AI工程系统：将RAG、动态Prompt编排、上下文管理、长期记忆等前沿AI技术，与高并发后端服务深度融合，支撑日均千万级对话请求； 3.深耕智能客服核心场景：从“用户问一句，AI答得准”，到“用户没开口，AI已预判”，你将参与构建覆盖售前推荐、活动解读、商品对比、售后排障、物流追踪等复杂业务逻辑的智能服务引擎； 4.参与AI与工程双轮驱动的技术基建：既探索与落地Agent框架的深度优化，体验AI Coding的编程魅力，也设计高性能、低延迟、高可用的分布式服务架构，涵盖缓存策略、JVM调优、多线程调度、微服务治理、消息队列等核心工程能力。 在这里，你不是在做“玩具Demo”，而是在真实亿级流量场景中，定义AI客服的未来形态。 来吧，和我们一起，用AI重新定义“服务”！
1. 识别AI Native及企业级AI相关高潜力客户，持续跟踪建立并维护高潜力客户池，对客户所处阶段、业务模式、AI应用场景、云与算力需求、采购可能性和切入路径进行初步判断。 2. 将市场洞察转化为Leads Gen能力，将行业趋势、客户信号和竞争动态转化为销售可执行的Leads清单、客户分层、优先级排序和触达建议。 3. 评估客户需求与销售转化潜力，通过多源信息交叉验证客户潜力，判断其是否具备明确的云、算力、模型服务等需求，为销售团队提供客户转化路径建议，包括推荐切入业务线、关键联系人画像和初步对客沟通重点。 4、 跨团队协同并形成业务闭环，与销售团队协同建立客户识别、评估、跟进销售转化和迭代更新的闭环机制。 定期收集销售团队对Lead质量、客户反馈、转化结果和未转化原因的反馈，持续优化客户筛选标准和分析模型。
1. 负责阿里公有云体系各场景和形态的建站交付架构顶层方案设计，探索 AI 原生的交付架构范式；负责交付项目执行落地及风险管控，引入大模型辅助的方案评审与风险预判机制。 2. 基于平台和数据的持续建设，推动交付平台工具优化，提升云产品自动化交付能力；结合 Agent、RAG 等技术升级平台智能化水平，设计和输出交付平台的独立部署、版本管理及智能运维能力。 3. 负责阿里云新 Region/AZ 交付项目全链路管理和风险管控，利用大模型与数据挖掘完成交付过程的现象归因与瓶颈识别，为云智能业务持续扩张发展提供资源支持和智能决策支撑。 4. 结合业务和基础架构的持续演进，推进运维平台全链路的架构和系统优化、创新；参与交付侧 Agent 系统核心模块（记忆管理、推理策略、工具编排）的规划与落地，在交付过程沉淀方案、工具方法论及可复用的 AI 组件。 5. 深入建站交付业务场景，负责将大模型能力融入交付全链路：通过 Prompt 工程、RAG 知识库构建、Multi-Agent 编排与流程自动化，实现交付方案生成、风险识别、故障归因等场景的智能化；建立自动化评测与回测机制，推动 AI 能力从单点验证走向规模化落地。
1、技术方案设计 • 收集、识别、分析客户需求，并确定技术方案的目标、范围和交付成果 • 基于需求分析，进行技术可行性分析和方案评审，选择合适的技术选型、功能设计、技术架构、数据架构和开发流程等 2、技术实现 • 基于技术方案的拆解，按照任务目标和产出规范，完成任务/子任务的设计、编码开发和系统功能实现 • 负责核心功能的架构与代码模板的编写，开发与维护系统公用核心模块，技术架构重构、优化等 • 对编码进行阶段性的讨论和CodeReview，并通过调试优化，推动代码成功部署 • 对开发中和部署后的程序进行必要的维护和迭代，包括值班oncall、升级工单处置、bug排查、问题诊断、产品体验改善、性能和成本优化等 3、稳定性和性能优化 • 制定稳定性策略，寻找并解决产品系统中的潜在风险和瓶颈，覆盖线上疑难杂症问题，确保系统的安全可靠 • 运用产品优化技术和方法，进行性能优化，提高产品稳定性和性能 4、技术预研 • 跟踪和了解最新的产品技术和趋势，根据业务需要提供最新的技术支持和建议。 5、技术规划 • 理解业务战略及重点，基于业务需求作出高可用、高可靠、高拓展性的技术架构规划和落地。
1. 负责供采全链路 AI Agent 的架构设计与核心开发，覆盖供应商管理、寻源招投标、合同履约、成本分析、需求预测、库存优化、物流调度等业务场景； 主导大模型（LLM）Agent 的技术落地，包括 ReAct/Plan-Execute 规划、多 Agent 协作、Tool/Function Calling、Memory 机制、Workflow 编排等核心能力的设计与实现； 设计高可用、可扩展的 Agent 服务架构，支撑多轮对话、工具链调度、子 Agent 分发等复杂交互模式； 评估并引入前沿 Agent 框架与技术（多模态 Agent、Self-Reflection、MCTS 规划等），解决供采业务中的复杂决策问题。 2. Agent 应用工程与平台能力 主导 Agent 开发平台的技术设计，包括 Prompt 管理、工具注册中心、知识库接入、评测沙箱、版本灰度等核心模块； 构建面向供采业务的 Agent 能力组件库，实现智能供应商评估、智能寻源问答、合同风险审查、需求预测分析、库存优化建议、物流路径规划等场景的能力复用； 设计并实施 Agent 性能优化方案，包括 推理加速、并发调度、缓存策略、上下文窗口管理、长任务异步编排等，保障大规模并发下的响应效率； 建立 Agent 可观测性体系，覆盖 效果监控、Trace 链路追踪、A/B 测试、异常告警、根因分析等技术机制。 3. 业务支持与价值交付 深入理解供采全链路业务流程，将业务问题转化为 Agent 技术方案，推动技术驱动的业务创新与效率提升； 与业务方紧密协作，识别高价值的 Agent 应用场景，制定技术路线图和优先级，确保资源投入产出最大化； 主导跨系统的数据集成与知识库建设，构建供采领域的 结构化知识图谱 + 非结构化文档检索体系，为 Agent 提供高质量的知识与工具支撑； 对 Agent 项目的业务效果负责，通过技术手段持续优化任务完成率、工具调用准确率、用户满意度等核心指标。
1. 独立负责阿里云资产运营业务下的复杂模块或业务链路的技术方案设计与研发交付，包括影响分析、系统设计、核心编码、联调测试及上线保障。 2. 参与跨领域、跨系统链路建设，完成接口契约、数据模型、状态流转及一致性方案设计，保障业务链路稳定、数据准确且可追溯。 3. 负责所辖领域的平台增量能力建设，将不同业务场景中的共性与差异沉淀为可配置、可扩展的领域模型、业务规则及流程能力，提升新场景接入效率。 4. 负责 AI/Agent 能力的生产级落地，面向异常识别、数据核验、差异归因、现场作业辅助及流程自动化等场景，建设知识检索、工具调用、任务编排、评测回归、安全护栏及人工兜底机制，并对应用效果和运行稳定性负责。 5. 持续提升系统工程质量与研发效能，完善监控告警、故障定位、容量及性能治理，推动 AI 辅助研发、智能测试和代码审查的规范化应用。
能耗平台团队负责整个阿里云的IDC、网络和服务器等基础设施内的功耗的采集、处理分析、监控预警、应用优化，从而全面的平台化产品化支撑数据中心的稳定、高效、节能。 作为研发工程师，您将负责： 1. 基础设施的能耗监控的能力的设计与研发，构建能够支撑大规模数据量下采集的高并发、低延迟分布式处理体系。 2. PUE优化平台的架构设计与核心功能开发，数据中心能耗结构复杂，结合GPU设备的特点、制冷系统、供配电系统之间的能耗耦合关系，建设相关平台化智能化的能力，达成数据中心的PUE优化目标。 3. 超电稳定性监控平台的架构设计与核心功能开发，针对于GPU的场景，构建供电链路健康评估和预警系统。
1、参与设计和实现推理引擎SDK，提升推理性能、易用性和产品稳定性。（Design and develop inference engine。Focusing on performance、usability and product robustness） 2、参与设计和实现推理引擎的AI编译。包括图融合、各类图优化、算子优化以及自动化调优等（Design and develop AI Compiling。including fusion，graph optimizations、kernel optimization and auto-tuning） 3、参与设计和实现推理引擎的运行时系统。包括内存管理以及资源管理等等。实现高效和稳定的稳定性。（Design and develop runtime system，including memory management and resource management） 4、参与设计和实现大模型的推理优化。基于推理引擎，研发和应用大模型推理优化的技术（Design and optimize LLM inference。Based on inference engine，develop and apply core technology for LLM inference）
数据中心运营平台团队的使命是实现阿里经济体的IDC、网络和服务器等基础设施整个运营领域的全面产品化支撑，从而达到高效率，低成本，低功耗的智能运维。集成了IDC和服务器领域的各项专业技术，以及运维平台进一步的智能化支持，我们励志打造一个真正自动驾驶的数据中心。 作为研发工程师，您将负责： 1. 数据中心基础设施监控的能力的设计与研发，构建能够支撑大规模数据量下采集的高并发、低延迟分布式处理体系。 2. 深度结合前沿AI技术主导智能运维体系建设，在能耗优化、故障预测、根因分析及自动化调度等方面落地智能化应用。 3. 将数据中心物理基础设施复杂场景抽象为标准化的数字模型，推动基础设施从数字化向全面智能化转型的技术演进。
1.负责AI 数字人/数字化在供应链&IDC实际业务场景中的平台化落地； 2.参与供应链集成、履约及IDC规划等系统架构设计与核心模块开发； 3.与产品及前端团队紧密协作，将AI能力高效集成到产品中； 4.在团队内做架构思想及AI理论布道，推动供应链系统AI+数字化转变； 5.优化系统性能，保障服务稳定性，支持全球化部署与多语言。
数据中心产品经理 1. 紧跟数据中心行业趋势与AI技术演进（智算集群、液冷散热等），结合实际业务场景需求，制定具有前瞻性的产品规划与路线图。 2. 清晰定义问题，结合行业趋势、AI技术能力与业务诉求，对需求进行深度分析、拆解与整合；善于将AI能力（如AIOps智能运维、智能容量预测、能效优化等）融入产品方案，形成差异化竞争力。 3. 拉通并推动研发、架构、运维、商务等多团队高效协同，保证产品规划与需求按期交付上线，确保业务目标达成。 4. 建立数据驱动的产品运营体系，通过数据分析与AI辅助决策，结合产品落地反馈，驱动产品持续迭代，实现核心指标的有效提升。 5. 负责产品的内容运营与品牌建设，输出标准化、体系化的产品内容（白皮书、技术方案、最佳实践等），结合行业峰会与品牌活动，持续提升产品在智算与AI基础设施领域的影响力。
1、业务洞察和需求分析 运用AI Native技术（大模型、智能预测等）辅助需求洞察与经营决策，识别可被AI重构的业务流程和用户场景。 主导资源规划、供应管理和交付履约的全链路产品方案，提升供应链整体运营效率； 2、产品规划和设计 基于阿里云整体产品战略和内部业务流程，制定本业务域的产品规划与迭代演进路线图； 以AI Native理念驱动产品设计，将大模型、Agent、智能决策等AI能力深度融入供应链平台核心流程，打造人机协同的新一代供应链产品； 规划AI Agent工作流与智能体架构，设计AI辅助决策、智能调度、自动化执行等创新产品能力。 3、产品开发管理 推动AI能力的工程化落地，协同算法和研发团队完成模型接入、Prompt工程、效果评估等环节的产品化闭环。 统筹产品开发的项目管理，把控关键里程碑节点，协调多端多场景的适配与支撑，整合资源推动产品方案落地； 4、产品改进和风险管理 建立AI产品效果度量体系，持续跟踪AI功能的准确性、可靠性和用户体验，迭代优化AI能力的业务价值与ROI。 持续关注用户反馈和使用体验，合理安排需求优先级，推动产品迭代和新功能孵化，优化产品的稳定性、安全性、性能和成本； 主导产品合规与风险防控，排查治理数据安全、合规、廉正、资损等各类隐患，保障日常业务与服务质量；
1、深入了解马来西亚的电商平台行业动态，分析市场趋势、竞品动向、市场需求及消费者偏好； 2、具备消费者视角，以本地用户画像切入，对多元消费群体有深入理解，以及趋势预判和文化节点的把握，结合站内优势供给，将类目供给结合营销完成平台的各类大促及营销活动，为核心指标负责； 3、基于本地化优势供给进行选品组织，对重点行业频道进行优化迭代，提升频道活跃度、点击率、转化率和整体交易效率； 4、熟悉淘宝核心类目供给结构、头部品牌矩阵、行业爆款，建立“淘宝优势供给与本地市场需求”的映射关系。
1. 行业战略客户的建联及客情关系深化，行业战略数字化转型推动落地； 2. 挖掘战略客户的业务痛点与数字化需求，设计和升级具有竞争力的解决方案，包括Ai方案，助力客户实现数字化转型与升级； 3. 负责协同和推动内外部各种资源，帮助客户落地数字化方案，带来客户业务价值； 4. 攻坚重点行业标杆客户，进行商业突破，总结行业数字化经验与实践，打造行业数字化标杆，带动行业势能。
团队介绍 阿里 ATH 旗下的 AI Coding 创新团队，致力于通过 AI 技术革新软件开发方式。我们正在打造下一代 AI 驱动的智能开发工具，产品覆盖智能体桌面应用、AI Native IDE、Agent SDK 及 Cloud Agents 等，并围绕模型能力、企业级能力及商业化体系持续建设，让 AI 更深入地融入开发者的工作流程，提升开发效率与创造力。 我们正在寻找兼具用户洞察、产品设计、技术理解或商业化能力的产品经理，参与不同细分方向的产品建设，共同定义智能开发工具的未来。 岗位职责 根据候选人的经验与能力，重点负责以下一个细分方向，并与相关产品及技术团队协同推进。 商业化方向：负责 AI Coding 及智能体产品的商业化体系建设，包括产品版本定义、商品设计、定价策略、售卖链路及商业化运营；结合模型调用成本与用户使用场景，设计合理的积分等权益、额度及计费方案，持续优化用户价值、付费转化与业务收益。 大模型生命周期管理：负责模型测评与供给体系建设，围绕真实业务场景建立模型效果、性能、稳定性及成本的评估标准；推进模型选型、接入、上线、持续优化及退出的全生命周期管理，协同算法、工程及模型合作方，提升模型供给质量与成本效率。 企业级能力：负责 Qoder 企业版产品能力的定义与建设，覆盖租户与成员组织、权限体系、企业级管控策略、企业扩展性与 OpenAPI、安全、度量及用量管理等方向；深入理解企业客户在使用 AI Coding 工具过程中的管理、合规与集成诉求，让企业能够安全、可控地规模化使用 AI 能力，提升组织级采纳与管理效率。 专业研发方向：负责专业研发领域的产品规划与体验设计，深入理解开发、调试、测试等软件开发全生命周期场景；探索 AI 能力与研发工作流的深度融合，优化智能编程交互、工具协同及使用体验，提升开发者效率。 桌面应用方向：负责桌面智能体产品的用户研究、场景定义、功能规划与交互设计，探索从零到一的产品创新；围绕用户真实任务，设计自然、易用、可控的人机协作体验，通过快速原型、用户反馈及数据验证持续迭代。 产品规划与验证：持续洞察行业趋势、竞品动态及用户需求，制定所负责方向的产品路线图与阶段目标；通过用户研究、数据分析、产品实验及原型验证，推动产品从需求定义到上线运营的完整闭环。 跨团队协作：与设计、工程、模型算法、商业化及运营团队紧密协作，协调内外部资源和合作伙伴，推动关键项目落地，对产品质量、用户价值及业务结果负责。
1. 负责千问ai功能产品的核心数据体系建设，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. 基于业务痛点开展专项分析，包括但不限于：用户使用链路漏斗、模型迭代效果评估、用户体验满意度刻画等； 3. 深度参与业务规划，通过数据挖掘、归因分析、漏斗分析、AB实验评估等，找到问题点，输出可落地的策略建议； 4. 协同产品、运营、算法、研发等团队，主动挖掘业务需求，提供数据支持，推动分析结论落地并追踪效果； 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. 端到端负责RL数据（coding 方向）项目：从方案设计、数据有效性验证到规模化生产 ，帮助模型在性能上达到业界SOTA。 2. Rubric 与评估体系设计：将业务目标和模型能力目标抽象为多维度、层级化的评分标准（Rubric），设计权重、评分规则和边界 case 处理策略；持续迭代 Rubric 以覆盖新场景、堵住 reward hacking 路径。 3. RL Data 生产与质量保障：端到端负责 Agentic 场景的数据生产项目，从任务设计、轨迹采样、标注执行到质量验收；构建 QA 框架，对 Grader 输出做一致性校验和失败模式分析，确保进入训练的数据可信。 4. 失败模式归纳与数据迭代: 从大量 Trajectory 中归纳 Error Taxonomy，建立失败模式分类体系，将分析结论转化为数据策略调整（任务难度、Reward 信号修正、标注规范更新），形成数据飞轮闭环。 5. 协同算法团队闭环：与模型训练/RL算法团队紧密配合，对接 Reward/Grader 需求, 将模型效果反馈翻译为数据改进策略。 6. 数据体系设计：负责主导 Code 方向标注规范的制定与持续迭代，覆盖代码生成、代码补全、debug、代码解释、代码审查等多类任务；设计 Agentic 场景下的标注框架，包括 multi-step reasoning、tool use、planning、self-correction 等复杂任务链的拆解与评估标准；基于模型表现与研究进展，持续优化标注指南，确保数据质量与训练目标对齐; 7. 标注团队赋能：为标注员提供技术培训，将复杂的代码和 Agent 概念转化为可操作的标注实践；担任技术难题的终极裁判，解决边界案例和歧义问题；参与标注工具需求设计，提升代码标注效率; 8. 探索更科学的评测指标、更高效的评测方法。
1、协同业务及财法团队，平衡风险和效率，制定和更新恰当的流程、制度、权限等，进行合理风险管控，完成管理落地并持续监控，确保公司各项业务符合法律法规、行业规范和公司战略目标。 2、对业务及财务数据进行分析，快速、准确识别业务当前风险及现存问题，并提出有效的、可落地的数字化解决方案，跟进解决方案落地。 3、依托业务流程、数据链路及核心业务系统，构建多维风险监控指标体系，形成系统性数据监测方案，实现业务全流程的风险识别与精准评估。 4、参与业务重大/创新项目，在事前、事中提供有针对的风险研判和应对建议，对业务方的策略进行风险洞察和判断，并给出风险评估和应对方案。 5、根据业务特点制定专项计划，通过项目检视，深入识别在业务设计及执行层面的风险，并对风险程度进行评估，提出有效的改进建议并协同各方进行改善，把风险控制在可接受范围内。
1、媒介策划能力，基于业务目标，制定媒介策略，规划媒介资源，推动和确保项目顺利上线，输出复盘结论及经验沉淀。 2、创新策划能力，负责日常媒介环境监测，挖掘媒介新渠道和创新合作机会点，并主动提出问题解决方案。 3、数据分析能力，日常收集、拆解和分析数据，建立指标数据库和制定评估体系，使营销投放有数可查，有理可依。 4、人群洞察和数据产品化能力，基于品牌目标和项目需求，梳理和推动数据看板落地和功能优化，实现品牌人群资产可持续沉淀。
1、独立负责中大型项目的系统分析与架构设计，主导核心代码开发，保障业务需求高质量交付； 2、参与大模型和Agent相关技术研发，包括意图理解、记忆机制、工具调用、任务规划、多智能体协同等关键模块； 3、推动AI能力在财税业务场景中的深度集成与创新应用，确保系统高性能、高可用与可扩展。
1，负责区域内家电零售门店运营管理：熟悉家电渠道，了解家电零售门店经营模式，指导门店日常零售运营，拿到业务结果； 2，负责区域内家电零售渠道建设：分析市场趋势及行业前瞻，了解本地家电零售渠道及客户属性，挖掘市场机会，实现渠道开拓； 3，日常营销活动开展：结合O2O运作模式，协同门店开展营销活动落地，品牌共建； 4，区域市场运营管理：知经营，懂零售，懂产品，会营销，实现区域市场稳步突破发展。
1、设计百亿补贴频道内的用户互动玩法，结合频道货盘特征，将玩法与商品推荐、补贴权益深度耦合，推动频道产品能力建设； 2、基于用户生命周期和行为分层，联动供给中心定义高质量货盘，设计差异化的优惠方案和权益策略； 3、持续监控频道用户留存核心指标，通过数据发现新的机会和优化方向，提升用户arpu和ltv。
1、通过搭建头部药企客户沟通机制，更准确的理解客户需求，并服务药企客户。 2、统筹站内资源（慢病管理、淘系营销、医生资源等）、站外渠道（包括但不限于字节、腾讯、小红书、B站系等），构建数字化营销体系，针对药企客户的患管、医生直播、拉新、促活等需求提供针对性解决方案，并指导团队执行落地。 3、调研并掌握行业发展趋势等前沿信息，提前部署，帮助药企客户完成新药首发等重点项目。 4、负责整合跨部门资源、公司内外部资源，结合主营业务目标实现数字化营销团队目标达成。
