阿里巴巴
阿里云智能-公共云解决方案架构师-Agentic应用架构方向（杭州/北京）
阿里云智能-公共云解决方案架构师-Agentic应用架构方向（杭州/北京）
发布于 大约 9 小时前普通员工/个人贡献者
杭州市 / 北京市
高级经验
全职员工
仅现场办公
本科
架构师
Agentic架构
Agentscope
Llamaindex
Maas
Rag
Vllm
解决方案架构
AI 估算 · 40k–70k
阿里云高级解决方案架构师，AI Agent方向稀缺，薪资竞争力强，参考大厂P7-P8水平。
职位详情
关于这个职位
作为阿里云智能的公共云解决方案架构师，你将专注于Agentic应用架构方向，基于阿里云AI产品矩阵（如PAI、百炼、AgentScope等）为客户设计端到端的AI应用架构方案
工作内容包括解决方案设计、技术布道、重点项目攻坚和技术前瞻，需要具备深厚的AI系统经验和解决方案架构设计能力
这是一个技术专家岗位，直接面向客户，推动阿里云AI解决方案的落地
最低要求
● 解决方案架构设计能力：具备体系化的解决方案架构设计思维，能针对具体的 Agentic 应用场景（如企业级 RAG 系统、Multi-Agent 业务系统、Agent 与企业系统集成平台等）独立完成端到端架构设计，涵盖逻辑架构与关键组件设计、组件的技术选型对比，以及稳定性、可靠性、成本、可扩展性等非功能性维度（卓越架构）的评估与权衡
● 3 年以上 AI 相关系统经验，且有独立主导端到端方案设计（而非仅参与单点模块开发）的经历
● 具备以下两个能力域中至少一个的深度经验，另一个具备基础认知（两者都服务于企业 Agentic 应用的落地）：
● Agentic 应用架构（主轴）：理解 Agent 设计模式（规划、记忆、工具调用、多 Agent 协作），有 LangChain、LlamaIndex、AgentScope 或同类框架的实际项目经验
熟悉 RAG 架构设计与优化
能设计 Agent 应用与企业业务系统的集成方案
● 模型微调与推理（支撑应用的基础设施）：熟悉大模型微调与推理部署链路，了解主流推理框架（vLLM、SGLang、TensorRT 等）与推理优化手段，熟悉 GPU 资源规划与成本优化
一般不涉及大模型预训练
● 熟悉 MaaS 平台运作模式，能根据业务场景做出模型选型决策（开源 vs 商业、大模型 vs 小模型、通用 vs 领域等）
● 具备 Python/Go/Java 等至少一种语言的 2 年以上开发经验（用于判断技术可行性与方案边界，而非承担交付层编码）
● 具备云计算与云原生的基础架构认知：理解计算、存储、网络等基础产品
理解容器化与容器编排（Docker、Kubernetes）的架构思想，能判断 Agent 应用在生产环境中的部署、扩缩容、可观测性等技术选型
● 优秀的面向客户技能：能向客户中高层清晰传递技术方案价值，引导技术选型决策
工作职责
解决方案设计与交付：基于阿里云 AI 产品矩阵（PAI、百炼、AgentScope、AgentRun、模型服务等），为客户设计端到端的 AI 应用架构方案
典型场景包括：大模型选型与部署策略、推理服务架构设计、Agent/Multi-Agent 系统架构、RAG 系统构建、AI 应用与企业系统集成等
技术布道与能力建设：开发面向一线 SA 的 AI 应用架构培训体系，提升整个 SA 组织为客户设计 AI 方案的能力
面向客户开展技术 Workshop，推动客户理解和采用阿里云 AI 解决方案
重点项目技术攻坚：以 Task-Force 方式深度介入重点客户项目，包括：需求诊断与方案定制、技术选型咨询、PoC 设计与验证、竞品方案对比分析等
技术前瞻与产品反馈：持续跟踪 AI 应用架构领域的技术趋势（模型能力演进、Agent 框架生态、推理优化技术等），输出竞争分析与趋势洞察，反哺产品迭代
优先资格
● 有大模型后训练（SFT/RLHF/DPO）实操经验
● 有 Coding Agent 或 AI 辅助编程的构建经验
● 有多模态模型应用（视觉、语音、视频生成）的项目经验
● 有在生产环境运行 Agent 系统的经验（可靠性、可观测性、成本控制）
AI 洞察
优缺点分析
优点
- 阿里云作为国内云计算的头部企业，平台大，资源多，能接触到最前沿的AI技术和行业客户
- Agentic应用是当前AI领域的热点，该岗位能让你站在技术前沿，积累稀缺的架构经验
- 岗位涉及技术、客户、产品等多个维度，能全面提升综合能力，职业发展空间大
- 薪资水平在行业内具有较强竞争力
- 需要频繁与客户沟通，对沟通能力和抗压能力要求高，可能需要出差
- 技术更新快，需要持续学习，保持技术敏感度
- 工作强度可能较大，需要同时处理多个项目
- 适合有深厚AI技术背景，热爱解决复杂问题，并愿意与客户打交道，希望在技术前沿领域深耕的资深工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 在阿里云内部，可向资深架构师、首席架构师方向发展，或转向产品管理、技术管理岗位
- 随着AI应用在各行业的普及，可成为AI解决方案领域的专家，在行业内具有高认可度
- 有机会参与前沿AI技术的研究与落地，积累丰富的行业经验，为未来创业或咨询奠定基础
- 为客户设计基于阿里云AI产品矩阵的端到端AI应用架构方案，包括大模型选型、推理服务架构、Agent系统设计等
- 开发培训体系，提升一线SA团队的AI方案设计能力，并面向客户开展技术Workshop
- 以Task-Force方式深度介入重点客户项目，负责需求诊断、技术选型、PoC设计与验证
- 跟踪AI应用架构技术趋势，输出竞争分析，反哺产品迭代
- 具备体系化的解决方案架构设计思维，能独立完成端到端架构设计
- 年以上AI相关系统经验，有独立主导方案设计的经历
- 精通Agentic应用架构（如LangChain、LlamaIndex、AgentScope）或模型微调与推理（vLLM、SGLang等）
- 具备Python/Go/Java开发经验，熟悉云计算与云原生架构
申请策略
- 在简历中明确展示你的技术深度和架构思维，用STAR法则描述项目
- 了解阿里云在AI领域的最新动态，在面试中展现你对行业的洞察
- 突出你独立主导的端到端AI架构设计项目，特别是Agentic应用或RAG系统
- 强调你在LangChain、LlamaIndex等框架的实际项目经验，以及模型微调、推理优化的经验
- 展示你的技术选型能力，如开源vs商业、大模型vs小模型的决策案例
- 体现你的客户沟通能力，如向客户中高层汇报或技术宣讲的经历
- 系统学习Agent设计模式（规划、记忆、工具调用、多Agent协作），并动手实践
- 深入了解RAG架构的优化方法，如混合检索、重排序等
面试指南
- 回答项目经验时，采用STAR法则（情境、任务、行动、结果），突出你的个人贡献和思考
- 回答技术问题时，先阐述核心原理，再结合具体场景分析，最后总结权衡
- 回答客户沟通问题时，强调你如何将技术语言转化为业务价值，并引导决策
- 请描述一个你主导的Agentic应用架构设计项目，包括技术选型和权衡
- 如何设计一个企业级RAG系统，并确保其可靠性和性能？
- 在模型选型时，你如何权衡开源与商业模型、大模型与小模型的优劣？
- 如何向客户中高层清晰传达技术方案的价值？请举例说明
- 你如何评估一个Agent系统在生产环境中的可观测性和成本？
职位点评
80
综合评分
阿里云AI前沿架构岗，技术成长空间大，薪资竞争力强，但WLB一般。
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。
更适合这类人
该职位最适合追求技术前沿、渴望在AI领域快速成长，并能接受一定工作强度的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展95
工作生活50
使命价值80
薪资福利
85较高
阿里云作为行业巨头，提供有竞争力的薪酬福利和稳定的职业平台，但具体薪资未在JD中披露。
薪资信号未披露（AI估算：40K-70K/月）
成长发展
95较高
该岗位处于AI技术前沿，聚焦Agentic应用架构，能提供极高的技能成长空间，并有机会参与行业标准制定。
技术前沿前沿/新兴技术
技术栈Agentic、RAG、LangChain、LlamaIndex、AgentScope、vLLM、SGLang、TensorRT、Kubernetes、MaaS
成长机会技术布道与能力建设、技术前瞻与产品反馈
业务类型profit_center
工作生活
50较低
岗位要求现场办公，且可能涉及客户沟通和项目攻坚，工作强度可能较高，WLB一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
AI应用落地具有较高的行业前景和社会价值，能推动企业智能化转型，但具体使命导向在JD中未明确。
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