阿里巴巴
阿里云智能-大模型前沿部署工程师（通用场景）-政企事业部（北京/上海/杭州）
阿里云智能-大模型前沿部署工程师（通用场景）-政企事业部（北京/上海/杭州）
发布于 大约 20 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Llamaindex
Rag
Sglang
Vllm
通义千问
阿里云
值不值得投
73综合评分
综合评分 73
阿里云大模型部署工程师，前沿技术栈，薪资优厚，但工作强度大，需出差。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
48K
比人工智能中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 2140 个在招 · 其中人工智能 约 160 个
市场机会
选择面较广
北京 · 人工智能 · 约 170 个在招
职位详情
关于这个职位
作为阿里云政企事业部的大模型前沿部署工程师，你将深入重点客户业务场景，负责通义千问系列模型在行业中的落地
工作内容包括需求分析、方案设计、RAG与Agent开发、系统集成等，并输出最佳实践
该职位需要扎实的工程能力和对大模型技术栈的深入理解，适合有2年以上经验、热爱大模型应用开发的工程师
最低要求
本科及以上学历，计算机、人工智能、软件工程等相关专业，具备2年以上工作经验
熟练掌握Python/Java编程语言，并具备工程能力与系统思维，有大模型项目落地经验者优先，熟悉阿里云大模型平台（AI Studio、百炼、PAI）、通义系列产品者优先
熟悉掌握主流大模型技术栈，包括Context Engineering、RAG、Tool Use、MCP、Agent Workflow、DeepResearch、DeepSearch、Agent Skills等典型模式和相应的工具，有 LangChain/LlamaIndex 等框架使用经验更佳
掌握常见推理引擎如vLLM和SGLang，能快速搭建模型服务和开放推理API
熟悉和掌握主流的语料处理和合成平台如EasyDataset、Data-Juicer等，熟悉数据标注平台如PAI iTag者更佳
掌握Post-Training技术，包括主流的CPT、SFT、RL等方法，熟悉训练和测试数据的构建，熟悉通用的评测集和评测方法
工作职责
深入重点客户业务场景，快速识别其对大模型技术的需求场景，例如知识问答、办公提效、内容生成、智能研发、辅助编程、多模态识别和生成等，端到端完成需求分析、总体方案设计、架构设计、组件研发、数据集成、系统集成等工作，推动通义千问系列模型在行业场景的落地
主导大模型项目落地的关键技术工作，包括场景需求收集、数据解析与处理、知识抽取与向量化、RAG开发、Agent 流程编排等，协助客户完成模型选型、系统对接、用量监控、成本优化与效果迭代，确保客户可直观感知模型价值
开发辅助工具代码降低客户接入门槛，例如测试工具、效果评测工具、数据处理工具、API 调用示例及 Demo 应用
输出大模型落地方法论与最佳实践，包括 Prompt 模板库、RAG 优化策略、Agent 设计模式等，支持客户自主运营与规模化复制
AI 洞察
优缺点分析
优点
- 接触前沿大模型技术，积累丰富的实战经验
- 阿里云平台资源丰富，有大量客户场景，成长迅速
- 薪资待遇优厚，福利完善
- 需要频繁出差，深入客户现场，工作强度较大
- 技术更新快，需要持续学习
缺点 / 挑战
- 项目交付压力大，需要快速解决问题
- 适合热爱大模型技术、具备较强工程能力、愿意接受挑战并适应出差的技术人员
角色解读
- 可向大模型解决方案架构师方向发展，深入行业应用
- 可转向大模型平台研发，参与核心平台建设
- 在阿里云内部有广阔晋升空间，可向技术管理或专家路线发展
- 深入客户业务场景，识别大模型需求，设计并实施端到端解决方案，推动通义千问模型在行业落地
- 主导大模型项目关键技术，包括RAG开发、Agent流程编排、模型选型、系统对接和效果优化
- 开发辅助工具和Demo，降低客户接入门槛，并输出最佳实践方法论
- 熟练掌握Python/Java，具备工程能力和系统思维
- 熟悉主流大模型技术栈，如RAG、Agent、Context Engineering，以及LangChain/LlamaIndex等框架
- 掌握推理引擎vLLM/SGLang，以及数据处理和评测工具
申请策略
- 了解阿里云政企事业部的业务方向，准备相关案例
- 关注通义千问的最新动态，展示对产品的理解
- 突出大模型项目落地经验，尤其是RAG、Agent相关项目
- 强调Python/Java编程能力，以及系统架构设计经验
- 展示对阿里云平台（如百炼、PAI）的熟悉程度
- 深入学习LangChain、LlamaIndex等框架
- 熟悉vLLM、SGLang等推理引擎的部署与优化
- 了解Post-Training技术，如SFT、RLHF
面试指南
- 回答时采用STAR法则，突出项目背景、你的角色、技术方案和量化结果
- 对于技术问题，先阐述原理，再结合实践经验
- 请描述一个你主导的大模型落地项目，包括技术选型和挑战
- 如何优化RAG系统的检索效果？
- 如何设计一个Agent流程来处理复杂任务？
- 如何评估大模型在特定场景的效果？
- 如何降低大模型推理成本？
- 准备1-2个详细的大模型项目案例，包括架构图和数据流
职位点评
薪资福利80
成长发展90
工作生活40
使命价值70
薪资福利
80较高
该职位薪资水平较高，福利完善，但具体薪资未披露。
薪资信号未披露（AI估算：35K-60K/月）
成长发展
90较高
职位涉及前沿大模型技术，有大量实践机会，成长空间大。
技术前沿前沿/新兴技术
技术栈RAG、Agent、LangChain、LlamaIndex、vLLM、SGLang、Post-Training
业务类型profit_center
工作生活
40较低
工作地点在北京/杭州/上海，但需要深入客户现场，可能频繁出差，工作强度较大。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
推动大模型在政企行业落地，具有较高的行业价值，但社会影响力一般。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs