共 2454 个在招岗位 · 阿里巴巴在杭州的最新招聘信息
我们正在寻找一位后台研发工程师，加入我们的核心基础设施团队，负责支撑公司云原生向量检索服务的开发、运维与稳定性保障。该服务作为智能搜索、RAG（Retrieval-Augmented Generation）等关键业务的核心组件，承载着高并发、低延迟、高可用的线上查询需求。你将参与以下工作： 1、负责向量检索服务后端功能模块的设计、开发与持续优化； 2、保障线上服务的稳定性、可扩展性与可观测性，快速响应并修复线上问题； 3、与算法、产品及前端团队紧密协作，高效落地面向RAG、智能搜索等场景的功能需求； 4、参与服务的云原生架构演进，包括容器化部署、弹性扩缩容、服务治理、监控告警等； 5、持续提升系统性能与资源利用效率，在保证准确性的前提下优化检索延迟与吞吐能力；
1、负责搭建和迭代所对接业务的数据指标体系、数据产品建设； 2、通过数据化指引，帮助业务达成目标，包含业务预测、合理目标拆解、机会点洞察、业绩监控、协同运营策略推进落地、商业变现等; 3、基于对业务理解，熟练运用多种分析手段和方法（如海量数据分析和挖掘手段、资料收集&分析、行业研究、竞争分析等），探索商业模式，发现商业机会，诊断业务问题、评估运营效果等，在战略、战术上提供决策支持和参考； 4、通过对业务数据的挖掘，对专项问题、指定方向的重点研究与分析，能书写并输出专项的商业分析报告。
1. 负责商家平台方向（如商家购物金等）的数据分析工作，制定分析框架，建设和迭代指标体系，形成体系化的日常 业绩追踪机制，并推进数据监控看板/数据产品的建设； 2. 理解平台策略变化（如电商税等），制定分析框架量化影响，识别并洞察问题、提出建议、支持业务策略落地； 3．负责平台策略方向重要AB实验的方案设计，过程跟进，以及产出策略优化建议； 4．主动发现问题和业务痛点，独立承接平台策略方向相关的研究洞察专题、短中长期可落地的解决方案；
1. 构建面向 AI Agent 的智能数据基座（DaaS），基于淘天统一指标库与语义层，打通“业务语言—数据资产—分析逻辑”链路，支持自然语言到指标、API 或 SQL 的自动映射（Text-to-SQL/NL2API），为上层决策 Agent 提供一致、实时、高性能的数据事实供给。 2. 支撑 KASS（Knowledge as a Service）底层基础设施，设计知识分块策略、嵌入存储方案、元数据标注体系与向量检索链路，优化 RAG 在复杂业务语境下的准确性、时效性与上下文连贯性。 3. 开发面向 Agent 工具调用（Tool Use）的数据服务接口，为实验分析、因果推断、波动归因、用户定向、预测规划等原子能力提供标准化、低延迟、高可用的数据输入/输出协议，并支持多轮对话状态管理与记忆持久化。 4. 打造自助式数据agent（如“验川”实验数据平台、“决明”Agent 数据中枢），推动数据能力产品化与智能化；同时构建端到端数据质量监控、异常检测与血缘追踪体系，保障关键指标、特征与链路的可靠性、安全合规与 SLA 达标。
1. 结合本地联盟业务特点，分析市场和业务趋势，挖掘机会点，独立输出策略，引入优质的品牌餐饮供给，提升优质供给数量和密度； 2. 深入洞察重点行业及品牌餐饮商户的外卖业务运营逻辑，从中寻找创新优质供给的机会，整合海外基地和联盟业务的各类资源，推动品牌为联盟提供有竞争力的联盟供给； 3. 与渠道团队、产品团队、行业销售团队等跨部门团队形成高效协同，推动项目等执行落地和顺利交付； 4. 从品牌商户的供给特点出发，结合媒体渠道的发展，探索单品运营的机会和空间，打造可被复制的爆品方法论； 5. 了解联盟运营和品牌商户运营的核心机制，能够从品牌招商角度出发，驱动产品优化创新，推动业务提效； 6. 了解行业玩法和发展方向，沉淀知识体系，内部打造精品项目，输出可复用的方法论，外部提升业务影响力；
1、根据公司的业务发展需求，加强与相关部门的沟通及协作； 2、协助指定相关部门的工作计划，关注相关政策的现状及变化，为公司业务开展、运营及拓展等提供资源支持； 3、独立处置相关突发事件，并能发现风险漏洞，推动产品链路优化与风控策略升级。
1. 负责淘金币购买用户规模、成交规模的持续增长，能够从用户侧出发挖掘增长机会、制定产品规划、设计与落地； 2. 以规模增长为导向，通过权益/营销促购玩法设计差异化调动用户，通过提升频道搜、推、导购等前台产品的效率，带动转化提升，共同提升淘金币对用户的消费口袋渗透； 3. 持续研究市场上的主流互动及促购玩法、导购组货逻辑，持续学习、不断融合、推陈出新， 通过产品创新带来用户体验和成交规模提升。
1. 行业 Skills 开发与架构设计 负责重点行业专属 Skills 的需求分析、架构设计和开发实现 设计和实现 Skills 的统一架构框架，确保可扩展性、可维护性和性能 编写高质量的技术文档、API 接口规范和最佳实践指南 2. 行业解决方案设计与规模推广 基于行业的市场洞察，理解行业客户的业务痛点和功能性/非功能性需求 基于Qoder CLI的基础能力，提供有竞争力的行业解决方案，并落地实施 基于用户的反馈，快速迭代行业解决方案的技术方案，保证产品的持续竞争力 3. 与产研团队协同 基于行业解决方案的落地实施，与产研协同，改进产研基础设施的建设 参与产品路线图规划，从技术架构角度提出产品和技术的演进建议 4. 客户体验与问题闭环 基于用户的反馈，持续优化Skills的能力，持续保障优秀的客户体验
1. 经营诊断与策略闭环：构建物流全链路（体验、成本、效率）的经营监控体系，通过深度归因与 UE 模型精准识别业务痛点；主导负责项目的策略设计与因果推断评估，量化 ROI 并推动运营落地，确保业务目标达成与价值转化； 2. AI 数据基建与资产沉淀：面向未来 AI 应用需求，协同数仓搭建标准化、高质量的业务数据底座（包括特征工程、标签体系及向量数据库）；打通业务逻辑与算法数据的壁垒，夯实智能化转型的基础设施，为业务Agent提供稳定、可复用的数据供给； 3. 分析评测体系与标准化建设：建立统一的数据分析评测标准与方法论（如 A/B Test 框架、指标一致性校验、数据质量监控），通过工具化手段提升分析效率，确保业务决策基于可信、一致且可追溯的数据证据； 4. 智能洞察与业务创新赋能：探索 AI/LLM 在商分场景的深度应用（如智能归因助手、自动报告生成、异常实时预警），推动从“人工取数”向“智能交互”转型；协同业务团队将业务洞察转化为算法需求，驱动智能化升级。
1. 深入理解服务体验流程、客服服务模式及产品使用，通过数据分析、挖掘，洞察识别潜在服务安全风险，第一时间感知预警并处置； 2. 基于业务场景开展独立检查，梳理并识别关键流程和关键控制点，甄别风险根因、表现、实现路径及影响，从安全运营视角制定风险防控方案，推进治理； 3. 建立面向站点客服的反馈机制，并制定有效SLA反馈，参与飞检模式制定，根据线索进行访谈、进一步挖掘洞察可能的风险点； 4. 联动合作团队制定有效的安全运营机制，通过系统化的防控手段、有效的安全应对策略对识别到的风险进行高效防控和处置； 5. 沉淀安全运营布控经验，与产品技术协同推动安全系统的建设与运营。
1、端到端负责智能硬件产品Camera系统测试以及相关应用与算法测试工作，分析输出完备的测试方案并完成测试任务，对测试过程中所遇到的问题持续进行改进； 2、参与智能硬件产品的镜头、Sensor、ISP等图像专项的关键物料前期评估和选型，制定关键部件的硬件测试标准； 3、负责相机应用集成相关测试（美颜、防抖算法等），保证端到端落地实现可以满足用户期望； 4、持续关注行业光学与显示测试技术，制定光学与显示技术测试相关技术演进roadmap，满足新业务以及迭代需求； 5、负责图像自动化测试平台的搭建，提升图像测试效能，满足业务发展需求。
1、业务策略制定： 负责药品O2O业务的整体运营规划。基于行业趋势、竞争格局及人群画像，制定分阶段、分城市的差异化运营策略，对GMV、用户增长及市场份额负责； 2、商品品体系建设： 深度理解药品为基础的健康行业特性，搭建并优化针对O2O场景的货品分层体系及导购矩阵。联动供应链端确保核心货品的供给稳定性与价格竞争力； 3、全链路用户体验优化： 深度协同淘宝、淘宝闪购等生态端，优化从搜索、选购到配送的全链路用户动线。利用私域工具（如店铺装修、会员体系、药品管家等）提升转化率与用户LTV（生命周期价值）； 4、资源整合与协同： 整合淘宝闪购及阿里生态内外资源，策划并落地大型营销活动（如O2O品类日、时令季节专题）。推动技术、产品及物流团队，解决即时零售场景下的履约及技术痛点； 5、经营分析与方法论沉淀： 通过精细化数据分析，监控业务健康度，发现增长瓶颈并产出解决方案。沉淀可复用的药品O2O运营方法论，并对团队进行管理和指导，完成业绩目标。
1、大模型行业与市场研究：持续跟踪国内外大模型及生成式AI产业发展趋势，覆盖但不限于基础大模型、多模态大模型、AI Agent、Coding Agent、AI应用生态等方向，形成高质量市场研究报告与趋势判断。 2、用户研究与需求洞察：围绕AI数据建设、模型能力优化，开展用户访谈、专家访谈、问卷调研、竞品分析及案例研究；识别用户真实需求和行业场景痛点，形成结构化洞察。 3、战略分析与内外部协同：参与公司在大模型、数据生态、模型评测、行业合作等方向的研究与专项事务；与技术、产品、投资等团队协同，推动研究结论转为业务决策建议。
1. 负责阿里国际电商平台，商品禁限售、知识产权等风险治理； 2. 数据驱动：通过指标监控和数据分析，及时掌握风险及业务的变化，评估治理效果并及时发现改进空间 3. 解决方案：根据不同风险的实际情况，持续优化调整策略，包括管控标准、识别策略、治理动作等 4. 跨团队合作：建设与行业、法务、产品等多方沟通机制，重点问题专项治理，实现风险的有效管控，建设良好商家经营业态
1、负责短视频前台场域的整体运营策略制定与落地，包括但不限于核心场景的内容分发与用户体验优化； 2、对内容质量和效率负责，有内容审美力，推动垂领优质内容的生产、挖掘与分发，能贯穿内容种草到电商转化的全链路，提升内容消费效率和种草转化等核心指标； 3、对用户规模增长负责，结合内容策略与增长手段，拉新促活，提升用户留存与活跃度； 4、从平台视角出发，推动AI在内容生产和互动消费环节的深度结合并形成有效的运营策略。
1. 参与高性能RISCV CPU原型验证 2. 阅读相关设计文档，制定 CPU 原型验证策略和计划 3. 分解原型验证测试点，基于指令发生器开发约束随机用例 4. 参与构建原型验证流程以及指令发生器开发维护 5. 执行验证计划，基于EMU平台完成用例回归，分析覆盖率，增补优化用例，达成出口标准 6. 负责bug 定位、复现与闭环，协同设计、验证、软件团队完成问题根因分析及修复验证 7. 关注原型验证技术发展，提升验证质量和效率
我们正在寻找一位经验丰富的国家侧运营负责人，全面管理并推动多个核心后台职能的发展，包括市场营销、商家运营、广告以及交易保障（Trade Assurance）。该岗位将作为国家经理的重要战略合作伙伴，确保运营卓越、跨部门协同以及业务的可持续增长。理想候选人应具备丰富的电商运营经验，能够管理多元化团队，并适应跨文化、快节奏的工作环境。 1. 运营与战略 负责市场营销、商家运营、广告及交易保障等业务的端到端运营管理与优化 制定并执行与国家业务目标一致的运营战略 通过数据分析、流程优化及KPI管理推动业务表现提升 确保运营流程具备可扩展性与高效性，以支持业务增长 2. 团队领导与管理 管理并培养多个职能团队负责人 建立高绩效团队文化，明确目标、强化责任意识并持续优化改进 与销售、产品、区域团队等跨职能团队紧密合作 3. 跨部门协同 作为本地团队与区域/全球利益相关方之间的重要桥梁 确保商业战略与运营执行保持一致 推动不同市场与文化之间的高效沟通与协作 4. 绩效与数据分析 监控并分析关键业务及运营指标 识别业务差距、风险与机会，并推动可执行的解决方案落地 推动各业务模块基于数据驱动的决策机制 5. 流程与系统优化 设计并实施可规模化的运营框架及标准操作流程（SOP） 优化系统使用效率及运营流程 确保各项运营符合平台政策及运营标准 We are looking for an experienced Operation Leader to oversee and drive multiple core back-end functions, including Marketing, Seller Operations, Advertising, and Trade Assurance.This role will act as a strategic partner to the Country Manager, ensuring operational excellence, cross-functional alignment, and sustainable business growth. The ideal candidate is highly experienced in e-commerce operations, capable of managing diverse teams, and comfortable working in a cross-cultural, fast-paced environment. 1. Operations & Strategy ● Lead and optimize end-to-end operational functions across Marketing, Seller Operations, Advertising, and Trade Assurance ● Develop and execute operational strategies aligned with country-level business goals ● Drive performance improvements through data analysis, process optimization, and KPI management ● Ensure scalability and efficiency of operational processes to support business growth 2. Team Leadership & Management ● Manage and mentor multiple functional team leads ● Build a high-performance culture with clear goals, accountability, and continuous improvement ● Collaborate closely with cross-functional teams (Sales, Product, Regional Teams, etc.) 3. Cross-functional Coordination ● Act as a key bridge between local teams and regional/global stakeholders ● Ensure alignment between commercial strategy and operational execution ● Facilitate effective communication across different markets and cultures 4. Performance & Analytics ● Monitor and analyze key business and operational metrics ● Identify gaps, risks, and opportunities, and implement actionable solutions ● Drive data-informed decision-making across all managed functions 5. Process & System Optimization ● Design and implement scalable operational frameworks and SOPs ● Improve system utilization and operational workflows ● Ensure compliance with platform policies and operational standards
1、AI 应用系统研发：承担大模型应用系统的需求分析、方案设计与编码实现，以 Agent 编排与 RAG 检索增强为核心，覆盖工作流编排与模型服务接入，保障系统在功能、效果与稳定性上满足用户需求。 2、专有云落地与交付：面向客户私有化环境完成 AI 应用能力的适配与交付，在离线、国产化算力等约束条件下完成功能开发、产品部署、版本发布与现场问题定位，保障能力在真实政企环境中长期稳定运行。
我们在做什么 我们把"数据分析师 + 业务参谋"做成了一个 AI 管理助手——销售管理者问一句"我这个区这个月营收为什么没达标"，它能自己拆解归因，并结合团队实际情况给出下一步动作建议。 不是 Demo，是数百名一线管理者每天在用、直接影响经营决策的AI产品。 你会负责 1. 数据Agent设计：定义 AI 管理助手的交互范式与能力单元（营收分析、市场洞察、商家规模增长、商业产品渗透、团队诊断等），从"一问一答"做到能追问、能补上下文、能主动建议。 2. 质量的度量：把"什么是一个好回答"定义成可打分的标准，建立口径一致性、准确率、幻觉兜底、评测与回归机制。质量靠度量，不靠感觉。 3. Skill 编排配置：把埋在代码和 Prompt 里的编排逻辑做成可配置能力，让分析步骤、口径、输出结构不必依赖研发就能改，把迭代周期从"周"压到"天"。 4. 自迭代机制：设计"反馈—评分—沉淀—复用"闭环，让优秀回答与业务策略文档自动回流知识库、按评分被引用；同时防止低质与过期内容污染。 5. 下游交互：主动定义与国际站其他 AI 工具、BI 系统、知识库的能力边界与上下文传递，让结论能流向下游动作，避免数据孤岛。 6. 决策支持：通过分析报告与专题研究，支持销售团队目标拆解与业务机会挖掘。 你要建的不是一堆一次性功能，而是一个能自我进化的系统——质量能被度量、能力能被快速配置、知识能自己沉淀。这件事在国内做成的团队还很少，你有机会从头把它定义出来。迭代快、反馈直接，每次改动立刻看到效果。
1、参与阿里巴巴跨境数字商业板块，ICBU的国际资金产品相关系统架构设计及研发； 2、参与对支付、资金履约等系统进行持续的技术方案改进与优化，制定具体实施策略与路线图； 3、参与跨境B类全球支付网络规划建设，推动协助相关团队并落地未来产品和系统规划； 4、参与相关领域板块的系统设计、落地以及运维，协调业务发展，协调研发资源、把控系统实施节奏。
1、规划、执行并管理效果广告投放，达成业务关键指标，包括 ROAS、CTR、转化率等； 2、基于数据驱动策略与持续 A/B 测试，分析并优化广告投放效果； 3、制定并落地数字广告渠道的拓展与优化策略； 4、与跨职能团队（创意、数据分析、产品）及合作代理商紧密协作，协同营销策略，整体提升投放效果； 5、持续关注行业趋势、竞对策略与市场变化，挖掘新的增长机会。
1、参与阿里巴巴跨境数字商业板块，ICBU的交易相关系统架构设计及研发； 2、负责AI技术在产品中的应用，开发创新的解决方案，提升用户规模和业务效率； 3、与产品团队紧密合作，理解业务需求，设计并实现高效的Agent； 4、参与相关领域板块的系统设计、落地以及运维，协调业务发展，协调研发资源、把控系统实施节奏。
1. 负责 AliExpress 的区域市场的付费投放策略制定与执行，结合当地市场用户特征、竞争格局与业务目标，制定年度/季度流量获取规划与预算分配方案，对新客规模、激活成本、ROI 及 GMV 贡献负责； 2. 领导投放团队，统筹 PPC的渠道投放，负责目标拆解、过程管理、复盘迭代，以及团队能力建设与人才培养； 3. 以数据驱动全链路增长优化：通过用户分层、创意与素材策略、出价与预算调优、归因与转化链路分析，建立系统化的投放方法论，并协同产品、算法、数据分析团队推动工具升级与方案落地； 4. 负责当地市场的渠道拓展与增长破局，在巩固 Google、Meta、TikTok、Snapchat 等头部媒体的同时，探索中长尾媒等新合作模式，持续寻找新的增长点； 5. 跟踪当地市场电商竞品动态、流量行业趋势与用户行为变化，输出洞察与应对策略； 6. 沉淀可复用的投放方法论与标准化流程（SOP），赋能其他国家投放团队与组织整体能力建设，探索 AI/自动化手段在投放中的规模化应用。
盒马，新零售业态的新生力量，依靠科技重构餐饮及零售产业链的电商。从创立伊始，盒马的使命就是让消费者享受“新鲜每一刻”的高品质生活。 盒马，以吃和吃的配套商品这一最高频品类为切入，探索一条立足本地，深耕供应链与物流配送，线上线下融合，主打会员心智的全新电商道路。 盒马，目前已打造了独立APP、业界名厨领衔的餐饮研发中心、国际标准的中央厨房、买手制采购团队、自建+众包物流配送体系和线下体验门店，从而形成了极致的配送“29分半”和产品“新鲜每一刻”这两大核心竞争力，如今盒马在消费者当中已形成了出色的口碑和品牌效应。 1.负责盒马鲜生前置仓的开发选址工作，涉及商圈调研，可信性报告，物业合作，异业同盟等 2.负责与合作方洽谈、协商并推进合作项目，并负责与合作方的日常沟通和关系维护; 3.负责协调公司内部资源，达到项目协调和资源整合目标； 4.完成公司对于盒马门店的开拓目标；
1，负责了解区域运营计划与预估单量，跟进区域内店仓评估落实物流能力； 2，负责监控区域店仓日常质控指标达成，通过数据发现问题并不断提升； 3，负责店仓生产，非生产，质控，配送等运营流程梳理及优化； 4，负责协助店仓日常运作和协调管理，对接配送、IT、采购、上游DC等部门； 5，负责店仓物流管理人员的考核，异动等职位要求；
负责老客+新客的运营，为提频、留存、养成负责。
1、通过电话，深入挖掘客户需求，完成1688实商产品的会员及广告售卖，为客户提供高效的商业解决方案 2、基于对广告产品的理解和运营，结合客户需求和痛点，定期帮助商家复盘和调优广告投放，给予专业建议反馈，提升客户满意度 3、通过专业且高效的服务，与客户建立良好的客情关系，帮助客户在1688上获得商业成功
1、负责移动机器人 运动控制算法的设计、开发调试（机械臂、移动底盘、双臂机器人） 2、负责机器人全局轨迹生成、动态速度规划、正逆运动学求解、力控等核心算法开发 3、参与MPC、WBC、QP优化、全身平衡、接触力控等算法的开发&真机调试 4、负责传感器、执行器、控制器之间的实时控制链路开发，定位并解决实机运行中的稳定性、延迟、抖动、跟踪误差等问题 5、负责机器人仿真环境搭建与 sim2real 调试，包括MuJoCo、Gazebo、Isaac Sim 等平台 6、与机械、电控、嵌入式、感知、规划等团队协作，完成机器人整机控制系统集成和性能优化
1、了解一个或多个领域的业务知识，与客户有效沟通并分析客户需求，识别出AI技术的行业/领域价值场景，协助客户设计应用的智能化路径。 2、理解机器学习、深度学习、大模型、智能体的基本原理，基于云+AI的产品设计AI解决方案，与技术服务团队协同，快速搭建智能体应用场景，结合产品解决方案优势和性价比，影响客户的技术选型决策。 3、依据市场/客户需求、技术动态，结合技术研判向产研部门反馈大模型应用解决方案及Agent工具等的优化建议，推动技术创新和解决方案的迭代升级，提升AI 解决方案、算法以及工具链竞争力。 4、挖掘可复制、可规模化、符合市场逻辑的大模型解决方案，通过客户案例的落地对成功实践进行总结归纳完成从0到1；并对内部团队及客户进行知识和项目分享，促进从1到N的复制。 5、关注最新技术趋势和行业动态，分享技术资源和经验，进行技术分析报告撰写，并与合作伙伴开展技术合作项目。
1.需求分析与场景识别：与教育行业客户（高等院校、职业教育机构、教育科技企业等）紧密合作，深入理解教育科研领域AI诉求，能够挖掘客户与当前人工智能技术发展水平相匹配、具备应用落地条件、投入回报效益明显的典型场景，如智能教学辅助、AI科研助手、智慧校园管理、智能化考试与评测、个性化学习推荐、教育大数据分析等。 2. AI规划与解决方案：理解不同AI技术（如NLP、CV、多模态大模型、知识图谱等）在教育科研场景中的适用范围和能力边界。以云计算+大模型为基础，设计教育机构AI解决方案（并识别阿里云的商机：算力集群、大模型调用、大模型平台、知识中心、智能体平台等）。 3. 产品需求反馈与优化：依据教育科研市场/客户需求及技术发展动态，结合教育行业政策导向（如教育部教育数字化战略行动、人工智能助推教师队伍建设等），向产研（或者伙伴）反馈大模型在教育场景中的应用优化建议及Agent工具迭代需求，推动教育垂直领域技术创新和解决方案升级 4. 方案沉淀与扩展复制：通过标杆客户案例的落地完成从0到1的验证；并对内部团队及客户进行知识分享和项目复盘，促进从1到N的规模化复制与推广。
