共 2450 个在招岗位 · 阿里巴巴在杭州的最新招聘信息
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
深入企业采购的全链路业务场景，通过AI技术将客户的真实诉求转化为可落地的技术方案，主导核心系统的设计与演进，在保障系统高可用的同时，实现 AI 技术在采购领域的创新应用，驱动业务从"能用"走向"好用"、"用出价值"，并联动外部生态伙伴，推动项目从签单走向成功交付与持续复购。 1. 核心系统设计：负责企业采购系统的研发，抽象商品、店铺、交易、履约、结算、开票等核⼼领域模型，构建AI Friendly的技术架构 2. 业务理解转化：深入理解不同行业客户的采购业务痛点，通过AI技术手段将业务诉求转化为实现路径，输出清晰的技术方案 3. AI技术应用： 参与AI在企业采购场景的设计和落地，推动技术创新与团队知识共享，实现企业采购的智能化端到端交付 4. 跨团队协同：作为技术侧核心研发，与业务团队紧密配合，统筹项目资源与节奏，推动需求高效落地与项目按时交付
作为商家经营数据AI 应用方向的技术负责人，你将负责这一领域的技术战略与演进路线：以商家主数据体系为地基，把「数据 → 评测 → 经营知识」打造成一个可自我迭代的闭环飞轮，让商家 Agent 持续变聪明、被信任，真正重构商家的经营方式。这是一个既要定义方向、又要带队打赢、还要跨团队拿结果的核心岗位。 你将负责： 1、定义商家数据AI 应用的技术战略与路线图，判断在数据、评测、知识三个环节的投入节奏与优先级，为整个领域的技术演进负责； 2、端到端负责以商家主数据体系为基础的 AI 数据能力建设，保障主数据的一致性、口径统一与实时/离线链路的高质量供给； 3、主导 AI 评测体系从 0 到 1 建设，定义商家经营场景的效果基准与评测方法，构建自动化评测流水线，并让线上效果持续反哺评测集，形成可迭代飞轮； 4、统筹经营知识库的自迭代机制，覆盖知识抽取、沉淀、质量门禁与失效淘汰，保障知识持续增长且不劣化； 5、作为 owner 跨团队拉通「数据—评测—知识」完整闭环，推动数据、算法、产品、业务在统一指标下协同背责，把技术能力转化为领域级业务价值； 6、组建并带领 AI 应用研发团队，搭建人才梯队、培养技术骨干与后备负责人，沉淀可复制的方法论，打造团队的持续战斗力。
关于角色：我们正在寻找一位技术 Leader，推动 AI Agent 等 AI 新技术在物流智能决策场景的应用落地，以技术突破驱动业务突破。 岗位职责： ● 推动淘天智能决策相关业务场景持续突破，包括淘天逆向物流资源规划与服务推荐；闲鱼寄件和商家寄件智能定价与营销策略；淘天闪购供应链补货、调拨、库存健康等最优库存管理决策与网络规划、仓容稽核；跨多个行业的最优分单、订单路由、装载优化、动态排线持续降本等 ● 主导智能决策 AI 整体架构，建立求解质量、求解时间、综合成本三维对比的评测基准；推动物流决策 AI Agent 建设，以及智能体在复杂场景中的应用，沉淀可复用的决策技术资产 ● 打造高执行力、高自驱力的团队，带领团队推动业务最优决策
职位描述 1、交易链路数据分析：深入理解淘系交易全链路（浏览-加购-下单-支付-售后）的业务逻辑，搭建并迭代核心监控指标体系。通过多维数据挖掘，识别交易转化漏斗中的异常波动、增长机会点及用户行为规律，为业务提供可落地的策略建议。 2、AB 实验与因果推断：理解科学实验体系，以及对应的归因分析思路和方法，有效影响业务产品迭代判断。熟悉双重差分(DID)、倾向得分匹配(PSM)、合成控制法(SCM)等因果推断方法，解决非实验场景下的策略效果评估难题。 3、数科Skill研发：推动“感知-认知-决策-执行”的 Agentic Workflow 落地，沉淀可复用的“技能库（Skill Set）”，包括不限于实验分析skill、异动归因skill等，提升团队整体工程效率。 4、Agent数据合成与评测：参与手淘购物助手优化，构建高质量数据集提升大模型推理效果，构建基于LLM-as-a-Judge的在线评测链路实现Agent执行效果的度量与归因。 5、作为业务伙伴，将模糊的业务痛点转化为严谨的数据科学问题。基于分析结论，驱动产品功能迭代、运营策略调整或算法模型优化，并对业务 ROI 负责，实现从“数据洞察”到“业务价值”的闭环。
1. 资金结算平台建设 参与货款结算、佣金清分、退款回流、对账核销、商家提现、跨境结算等核心系统的设计与研发，解决高并发、低延迟、数据一致性和故障恢复等工程问题，保障资金处理准确、稳定、安全和可追溯。 2. AI业务应用研发 深入资金结算业务，识别适合使用 AI 解决的高价值问题，建设规则查询、异常资金归因、对账差异排查、工单辅助处理和商家智能服务等 AI 应用。结合业务特点，合理选择 Agent、确定性工作流、规则系统或传统工程方案，推动 AI 能力真正创造业务价值。 3. AI研发提效与能力沉淀 运用大模型和 AI 编程工具提升需求理解、系统设计、编码、测试、代码审查、文档沉淀、故障定位及运维处置效率；将有效实践沉淀为可复用的研发工具、知识库和工程组件，推动 AI 提效能力在团队内规模化应用。 4. 生产级系统交付 基于 Java 技术栈完成 AI 应用与现有结算系统的可靠集成，建设工具调用、知识检索、上下文管理、状态保持及异常恢复等能力。完善日志、监控、链路追踪和安全审计，通过限流、熔断、降级、重试、人工复核等机制，保障 AI 应用在资金场景中稳定、可控地运行。
我们关注模型训练系统，为深度学习模型训练和超大规模训练提供算力基座，包括但不限于以下职责： 1、基于阿里云原生底座，设计实现数万卡规模的多租户、多种异构硬件、高性能计算集群的调度系统； 2、研发轻量级的训练重启、故障备份迁移、代码-依赖分发系统，面向有效训练时间极致优化； 3、针对基座模型训练，打造全面的可观测、可视化系统，洞察全生命周期软硬件故障动态； 4、结合大规模分布式训练框架、前沿的异构硬件，分析并解决预训练、后训练过程中软硬件缺陷； 5、构建大模型的模型训练、模型评测、模型管理、模型交付在内的MLOps平台； 6、平台化的支撑多模态生成模型的训练、迭代，以及在AIGC场景的生产化落地应用。
1、数据、营销和客服产品在泛零售、消费电子、酒类等行业的市场渠道开拓、客户拓展和产品销售工作，执行并完成年度销售计划； 2、能够基于全年的业绩目标，完成目标客户的快速拓展，具备从线索挖掘到商机转化到签约的商务全流程控局； 3、团队协同能力，具备良好的团队沟通协同能力，能推动内部产品、交付等角色完成大客户的整体服务经营； 4、KA客户的全方位经营能力，能够通过行业头部客户的项目实践总结标杆成功案例，提炼共性能力、加速行业同类客户的规模化复制。
1、负责阿里云全球IDC机房资产运营管理，制定并持续优化IDC资产运维标准、流程，开资产管理质量分析，提升运维专业化水平。 2、资产日常运维管理： • 资产账管理：负责建立、维护和更新数据中心的资产账，包括但不限于存货类、基础设施类、工具仪器类和耗材类资产；按照财务制度定期核对资产账与财务账，确保双账数据的准确性和一致性。提供准确的资产报告，为管理层决策提供依据。 • 财务账管理：负责与财务部门沟通，确保所有资产的价值和状态在财务系统中得到完整及时的反映。 • 实物账管理：对数据中心的实物资产进行定期盘点，确认实物资产数量与资产账的匹配情况；制定和实施实物资产管理流程，确保资产的安全、完好和有效利用。 3、负责阿里云全球IDC资产运营专业线能力建立，协助一线运维团队建立资产运维管理专业梯队。 4、主导阿里云全球IDC资产运维质量飞检，定期开展IDC资产盘点，达成公司资产存在率、准确率等指标要求。
1.品类战略规划与执行：负责零食行业类目运营，制定行业整体运营策略，负责品类规模增长及商家商品的孵化运营，达成业务增长目标。 2.商家与商品供给管理：基于市场趋势及消费需求和平台&类目需求，制定商家商品引入计划和跟进，确保品类供给多样性与商品竞争力，提升类目规模增长。 3.客户增长方案设计：针对不同客户类型（如地域品牌商家、产业带中小商家等），通过整合平台渠道资源，熟悉淘系商品运营规则，来定制设计业务增长方案，引导客户在平台实现健康可持续增长，完成其销售规模跃迁。 4.营销活动策划与执行：能洞察零食行业市场动态及消费趋势，策划符合品类特性的营销活动（如节日促销、节令促销、场景化营销），提升品类在业务中的影响力。 5.运营创新与机制优化：对零食供应链有一定了解，能快速引入符合新业务的货盘模式供给，帮助推动优化平台场域机制与售卖策略，推动品类运营模式升级。
1. 辅助加强Agent/RAG等原子构建工具的运营，重点聚焦Agent平台的应用侧能力 2. 负责Agent模板、Skill、连接器的场景化封装与推广，降低开发者使用门槛 3. 完善应用开发文档与教程体系，沉淀Agent平台最佳实践与开发者教程 4. 收集开发者反馈，推动算法及技术团队迭代优化Agent平台功能、 5. 监测并优化Agent平台应用构建成功率，提升开发者满意度 6、市场洞察和竞对分析、垂类场景skillS上线效果及商品上市
1. 主导重点行业PoC（概念验证）方案的端到端建设，覆盖需求调研、方案设计、技术验证、效果评估及交付复盘全过程； 2. 与客户深度共建，结合公司产品能力与前沿技术（如人工智能、大模型等），打造可落地、可复制的行业标杆解决方案； 3. 高效协同内部产品、算法、研发及交付团队，确保方案技术可行性、先进性与实施效率； 4. 沉淀行业方法论与最佳实践，推动成功方案在垂直行业内的规模化复制与推广； 5. 持续跟踪行业技术趋势与客户需求变化，为产品演进和解决方案创新提供一线输入。
1. 负责Agent Studio底层框架设计和标准制定，规划Agent平台的技术演进路线 2. 主导Skill生态的技术规范和接入标准，确保平台可扩展性和生态兼容性 3. 协调产品、技术、生态三方资源，推动Agent平台能力建设与商业化落地（MCP、skills、A2A、connector等） 4. 跟踪国内外Agent平台产品动态及应用数据资产消费发展趋势，制定差异化竞争策略 5. 建立Agent平台的技术评估体系，监控平台性能指标与开发者体验
1、负责 AI 驱动应用的核心架构设计与开发，打通前端交互、后端服务、数据链路与 AI 模型能力，构建端到端可落地的智能化产品能力； 2、构建稳定、高可用、可扩展的后端服务体系，熟悉分布式架构、消息中间件、缓存、远程调用、任务调度等核心技术，支撑复杂业务逻辑、高并发场景及 AI 应用的异步化、长链路执行需求； 3、负责LLM及多模态 AI 能力的集成、编排与工程化落地，持续优化 Prompt Engineering、Context Engineering、RAG、工具调用、成本控制与效果评估体系； 4、结合业务场景进行技术选型、领域建模与 AI 应用流程设计，能够设计并实现复杂的 Agentic Flow、AI Workflow、MCP 工具链或人机协同流程； 5、具备技术 Owner 意识，能够主导关键模块从方案设计、技术攻坚到上线运维的完整交付，并能沉淀工程规范、辅导团队成员，提升团队在 AI 时代的工程交付能力。
