阿里云智能-AI全栈开发工程师-AI Native创新小组-杭州/北京

优缺点分析

角色解读

• 从全栈工程师成长为 AI 应用架构师，深入大模型工程化领域
• 在阿里云创新小组可接触前沿技术，未来可转向 AI 产品研发或技术管理
• 积累 0→1 产品经验，成为稀缺的 AI 全栈复合型人才
• 负责 Web 应用的前后端全栈开发，覆盖设计、开发、联调与上线，确保产品体验和性能
• 将大模型能力工程化落地，包括模型调用、Prompt 工程及 AI 特性集成到产品中
• 在开发流程中运用 Agentic 编程工具和 AI 辅助，提升研发效率并对 AI 生成内容进行把关
• 探索 LLM 与产品控制台的结合，研发智能工作台、自然语言交互等新一代交互体验
• 扎实的 JavaScript/TypeScript 基础，掌握至少一门后端语言（Node/Python/Java）
• 熟悉现代前端框架（如 React/Vue），了解浏览器原理及常见后端与数据库
• 具备 AI 应用开发经验，熟悉 LangChain 或 LlamaIndex，能熟练使用 AI 编程工具
• 具备良好的问题拆解和工程落地能力，有创新热情和持续学习能力

申请策略

• 在简历中体现对 AI Native 产品的理解，可针对阿里云产品提出改进想法
• 展现自我驱动和团队协作能力，阿里文化重视创新和 ownership
• 突出全栈项目经验，特别是 0→1 产品上线经历，用数据说明性能提升和业务成果
• 重点展示 AI 应用开发项目，如基于 LangChain 的智能应用、Prompt 优化案例
• 强调前端和后端技术深度，列出相关技术栈和架构设计
• 如有开源贡献或技术博客，体现学习能力和编码热情
• 补充 LangChain/LlamaIndex 实践经验，可以构建个人 AI 项目
• 熟悉主流 AI 编程工具（如 GitHub Copilot、Cursor）并应用在开发中

面试指南

• 采用 STAR 法则：情境、任务、行动、结果，突出你的贡献和技术难点
• 结合具体项目经验，说明技术选型原因和权衡，展示解决问题的思路
• 对于 AI 相关问题，体现你对模型原理和工程实践的掌握，并强调落地效果
• 请介绍一个你主导的全栈项目，如何设计架构并实现 AI 功能？
• 你如何选择和使用 Prompt engineering 来提升模型输出质量？
• 谈谈你对 LangChain 或 LlamaIndex 的理解和应用场景
• 如何确保 AI 生成代码的质量？你会如何审校和把关？
• 在 AI 原生开发中，你如何使用 AI 编程工具提升效率？