阿里巴巴
阿里云智能-全栈技术服务工程师-AI全栈-上海/深圳
阿里云智能-全栈技术服务工程师-AI全栈-上海/深圳
发布于 5 小时前普通员工/个人贡献者
全职员工混合式弹性办公技术支持
技术支持
Ai Agent
Llm
云原生
大模型
机器学习
值不值得投
80综合评分
综合评分 80
核心AI技术岗，前沿技术栈与成长空间大，但需频繁对接客户，WLB面临一定挑战。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
3.5万
比技术支持中位数高
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 3100 个在招 · 其中技术支持 15 个
市场机会
选择面较广
上海 · 技术支持 · 约 110 个在招
职位详情
关于这个职位
该职位主要负责为客户提供大模型及云产品的综合技术支持与落地服务，包括AI Agent技术栈设计、模型效果优化及日常技术保障
你需要深入理解客户业务场景，结合AI和云产品能力，解决实际业务中的模型交互与工程优化问题，并保障客户用云的满意度与稳定性
最低要求
本科以上学历，2年以上AI相关产品实操经验
擅长Python/Java/Golang中至少一种编程语言，能在生产环境编写高质量的Agent代码，有云原生或K8S实践者优先
熟悉LLM接入和AI Agent智能体综合应用，有langchain、Autogen、Agentscope、SpringAI等开源技术工具经验者优先
有企业级AI产品交付经验，具备AI Agentic技术实践，玩转vibe coding，有大模型应用项目落地者优先经验（如智能客服、内容生成、数据分析、多模态等场景）
具备大模型算法开发和推理优化者优先，如参与并实操过模型后训练、强化学习，结合异构算力进行推理类服务的部署及优化
具有优秀的沟通技巧、团队合作经验，和对前沿技术的感知
工作职责
客户贴身技术服务：
技术问题处置：持续关注并分析客户用云和大模型的技术问题，通过对客户业务的深入理解协助客户完成技术案例的快速高效处置
需求追踪：在各行业结合客户业务场景和云和AI的使用情况，对客户使用情况和需求进行正确分析，挖掘真实产品需求并协助产品持续优化
大模型技术服务：
面向行业客户提供创新的大模型AI应用方案并进行落地验证，为客户提供云和AI产品的综合技术支持
主导或参与AI Agent技术栈设计，并基于机器学习平台、低代码Agent平台、知识向量库的工程搭建和实施
深入理解客户场景需求，结合AI和云产品能力，提供方案评估、部署实施、测试与迭代，解决实际业务中遇到的模型交互、输出优化等问题
基于客户的实际问题提供技术支撑和优化，包含不限于模型效果优化、应用指令和工程优化，并进行必要的AI应用落地开发，包括逻辑推理、生成创作、代码生成等
针对客户日常大模型工具链提供技术支持，参与客户AI相关产品使用及模型调优
负责客户AI调用的稳定性、服务保障响应
服务保障：
服务管理：为客户在云上使用过程中制定合理的服务及交流渠道，提供线上，现场，多项目多部门关键人员的服务交流方案支持，确保关键事件及重点项目的进展信息有效性，推进项目进展顺利落地
项目支持：在客户使用云产品期间根据需求提供多样化的技术保障专项，并结合云产品特性和客户使用情况制定对应技术方案执行路线，保障技术专项的有效交付
满意度保障：为企业客户满意度负责，从问题快速解决到项目平稳交付，并持续提供有效的云上使用建议和稳定性保障方案整体提升客户用云满意度
优先资格
在大模型领域，主导过有影响力开源作品或论文者优先
有数据库/云原生/大数据经验等大型项目交付、运维管理或解决方案设计经验，有云上业务治理、稳定性保障或服务经验，或持有阿里云ACP/ACE认证证书者优先
具备流利的英文对话能力者优先
AI 洞察
优缺点分析
优点
- 处于AI大模型与云计算交汇的核心赛道，能够接触到最前沿的AI Agent技术和海量企业级落地场景，技术视野开阔
- 依托强大的云平台与生态资源，能够积累丰富的头部企业客户服务经验，提升解决复杂工程问题的综合能力
- 岗位核心度高，直接面向客户满意度与业务落地，个人价值容易量化，绩效表现与业务成果强挂钩
- 大模型技术迭代极快，需要持续学习最新的模型算法、推理优化及Agent框架，保持技术敏锐度
- 适合具备扎实编程基础、对AI大模型充满热情，且具备优秀沟通与服务意识，渴望在ToB技术服务与AI落地领域深耕的复合型人才
缺点 / 挑战
- 需要频繁与客户沟通并处理突发技术问题，对沟通能力、抗压能力和多任务并行处理能力要求较高
角色解读
- 纵向可晋升为高级技术服务专家或技术架构师，负责更复杂、更大规模的AI大模型企业级交付项目
- 横向可转型为AI产品经理、解决方案架构师或大客户技术总监，深入参与云与AI产品的商业化与生态建设
- 作为客户与阿里云之间的技术桥梁，深入理解客户业务场景，提供大模型及云产品的综合技术支持与落地方案
- 主导或参与AI Agent技术栈设计，进行模型效果优化、工程部署及日常大模型工具链的技术保障
- 负责客户用云的满意度与稳定性，处理突发技术问题，追踪并挖掘真实产品需求以反哺产品优化
- 扎实的编程能力，精通Python/Java/Golang至少一种，能编写高质量的Agent代码并具备云原生/K8S实践经验
- 深入理解LLM接入与AI Agent智能体应用，熟悉LangChain、Autogen等主流开源框架及大模型应用落地流程
- 出色的沟通技巧与项目管理能力，能够跨部门协同并直接面向企业客户进行技术方案讲解与交付
申请策略
- 提前了解阿里云最新的AI产品矩阵（如百炼平台、通义千问等）及典型行业落地案例，面试时结合案例阐述自己的理解
- 准备好过往项目中遇到的最棘手的技术问题及排查思路，展现系统性的问题解决能力
- 重点突出大模型应用落地经验，如AI Agent开发、LangChain/Autogen框架使用、模型推理优化等具体项目成果
- 展示企业级项目交付与客户服务经验，强调如何通过技术手段解决客户实际业务痛点并提升满意度
- 体现云原生、K8S及Python/Java/Golang等底层技术栈的扎实功底，证明具备生产环境代码编写与排障能力
- 深入学习最新的AI Agent框架（如Spring AI、Agentscope）及大模型微调、强化学习（RLHF）技术
- 提升ToB客户沟通与项目管理技巧，学习如何撰写高质量的技术解决方案和架构设计文档
面试指南
- STAR法则：在回答项目经验或故障排查时，严格按照情境、任务、行动、结果展开，突出个人贡献与量化收益
- 技术深度+业务价值：在阐述技术方案时，不仅要讲清楚技术实现细节，还要强调该方案为客户带来的业务价值（如降本增效、体验提升）
- 请分享一个你主导或深度参与的大模型/AI Agent落地项目，遇到了哪些技术挑战，是如何解决的？
- 在客户现场遇到紧急的模型调用故障或性能瓶颈时，你的排查思路和应急响应流程是什么？
- 如何平衡客户定制化需求与标准化产品能力之间的矛盾？请举例说明
- 针对LangChain或Autogen等框架，你在实际生产中做过哪些优化或二次开发？
- 复习大模型底层原理（如Transformer、注意力机制）、推理优化技术及云原生架构知识
- 梳理自己过往项目中的技术难点和亮点，准备2-3个具有代表性的技术案例，并思考面试官可能的追问
职位点评
薪资福利85
成长发展90
工作生活60
使命价值75
薪资福利
85较高
作为核心AI技术岗，薪资福利体系成熟且具备市场竞争力，整体薪酬回报处于行业中上水平。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
90较高
岗位处于AI大模型与云计算的最前沿，能接触到海量企业级落地场景和最新技术栈，技术成长与视野拓展空间极大。
技术前沿前沿/新兴技术
技术栈Python、Java、Golang、LLM、AI Agent、LangChain、Autogen、Kubernetes、云原生
业务类型ambiguous
工作生活
60中等
岗位需要频繁对接客户并提供现场支持，工作节奏受客户需求和突发事件影响较大，WLB存在一定挑战。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
75中等
致力于推动AI大模型技术在千行百业的落地应用，助力企业数字化转型，具有较高的行业价值与社会意义。
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