阿里巴巴
阿里云智能-云建站交付专家-杭州
阿里云智能-云建站交付专家-杭州
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公云计算
云计算
Ai Infra
Go
Mcp
Multi-Agent
Prompt工程
Rag
云计算
大模型
值不值得投
薪资怎么样
4.5万
比云计算中位数高
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 4000 个在招 · 其中云计算 26 个
市场机会
选择适中
杭州 · 云计算 · 33 个在招
职位详情
关于这个职位
作为阿里云智能集团的云建站交付专家，你将主导公有云各场景建站交付的顶层架构设计，并推动大模型、RAG、Multi-Agent 等 AI 能力融入交付全链路，实现交付方案生成、风险识别与故障归因的智能化
同时负责新 Region/AZ 交付项目的全链路管理与风险管控，并通过平台工具建设提升云产品的自动化交付能力
最低要求
精通至少一种高级脚本语言（如 Shell、Perl、Python 或 Go），具备利用这些语言进行复杂自动化任务和运维平台开发的丰富经验
能够结合 AI 编程工具（Cursor、Claude Code 等）高效产出生产级代码
深入理解网络架构、服务器管理和操作系统原理，拥有对主流云计算（如 AWS、Azure、Google Cloud 等）业务模式、系统架构和解决方案的深刻见解
对数据运营有清晰的分析逻辑和全局思维，能提出具有创造性的解决思路和方案
能够利用大模型与数据挖掘手段完成业务现象归因，将模糊的业务痛点转化为明确的 AI 解决目标
有 5~6 年云计算交付运维相关经验
具备较强的表达能力，良好的团队协作能力，能够联动多团队完成业务优化的目标
具备强烈的自驱力和好奇心，能够主动探索 AI 与业务结合的边界
具备良好的英语读写和听说能力，能够在国际化的工作环境中高效沟通，并具备阅读前沿论文（Paper）与开源社区技术资料的能力
AI 编程工具重度玩家，具备较强的 Prompt 编写与调优能力
理解主流 LLM 的能力边界，熟悉 Context Engineering、Function Calling、RAG、Agent 等应用范式及主流 Agent 框架（如 LangChain、ADK 等），对大模型幻觉、Prompt 注入等风险有工程化应对思路
工作职责
负责阿里公有云体系各场景和形态的建站交付架构顶层方案设计，探索 AI 原生的交付架构范式
负责交付项目执行落地及风险管控，引入大模型辅助的方案评审与风险预判机制
基于平台和数据的持续建设，推动交付平台工具优化，提升云产品自动化交付能力
结合 Agent、RAG 等技术升级平台智能化水平，设计和输出交付平台的独立部署、版本管理及智能运维能力
负责阿里云新 Region/AZ 交付项目全链路管理和风险管控，利用大模型与数据挖掘完成交付过程的现象归因与瓶颈识别，为云智能业务持续扩张发展提供资源支持和智能决策支撑
结合业务和基础架构的持续演进，推进运维平台全链路的架构和系统优化、创新
参与交付侧 Agent 系统核心模块（记忆管理、推理策略、工具编排）的规划与落地，在交付过程沉淀方案、工具方法论及可复用的 AI 组件
深入建站交付业务场景，负责将大模型能力融入交付全链路：通过 Prompt 工程、RAG 知识库构建、Multi-Agent 编排与流程自动化，实现交付方案生成、风险识别、故障归因等场景的智能化
建立自动化评测与回测机制，推动 AI 能力从单点验证走向规模化落地
优先资格
系统化运维超过 1000 台集群或大型分布式系统（计算/存储）的开发/运维背景优先
对 AI Infra（vLLM、Ollama、KV cache 优化、流式输出等）有基本理解者加分
对云计算产品部署和交付经验者优先
有 AI 应用或 Agent 实际落地经验（RAG 系统、多智能体编排、结合 MCP/Skill 的 Agent 项目等）者优先
AI 洞察
优缺点分析
优点
- 岗位处于云计算与 AI 结合的前沿，技术栈新、成长空间大
- 背靠大规模云基础设施，可接触 Region/AZ 级真实交付场景
- 技能复合度高（云架构 + 大模型工程），市场稀缺性强
- 平台和业务规模大，方法论与工具沉淀价值高
- 要求同时精通传统云交付与前沿 AI 工程，学习曲线陡峭
- 国际化沟通与英文论文阅读要求，对语言能力有一定门槛
- 适合兼具云计算交付运维背景与 AI/大模型工程兴趣的复合型技术人才，尤其是喜欢解决大规模系统问题、乐于探索 AI 落地的工程师
缺点 / 挑战
- 交付项目涉及多团队联动与风险管控，协调成本较高
角色解读
- 可向云交付架构师、技术专家方向深耕，成为 AI 原生交付体系的核心设计者
- 积累 Agent/LLM 工程化落地经验后，可转向 AI 平台、AIOps 等前沿方向
- 具备跨团队协作与国际化沟通能力后，有机会承担更大范围的交付与技术管理职责
- 负责阿里公有云各场景建站交付的顶层架构方案设计，探索 AI 原生交付架构
- 主导新 Region/AZ 交付项目的全链路管理与风险管控，保障云资源持续扩张落地
- 推动大模型、RAG、Multi-Agent 等能力融入交付全链路，实现方案生成、风险识别、故障归因的智能化
- 建设与优化交付平台工具，提升云产品自动化交付能力与智能运维水平
- 熟练掌握 Python/Go/Shell 等语言，能进行复杂自动化与运维平台开发
- 深刻理解网络架构、服务器管理、操作系统原理及主流云厂商的产品与架构
- 熟悉海外主流云（AWS/Azure/GCP）交付以及大规模分布式系统的开发运维经验
- 掌握 LLM 应用范式（Prompt 工程、RAG、Function Calling、Agent 框架）并具备工程化落地能力
申请策略
- 提前了解阿里云建站交付与 Region 扩张的业务背景，理解交付链条痛点
- 准备 1-2 个结合大模型解决实际交付/运维问题的案例，体现端到端落地能力
- 突出大规模分布式系统或集群（千台以上）的交付运维与自动化经验
- 展示 Python/Go 自动化平台开发与 AI 编程工具（Cursor/Claude Code）使用的实际成果
- 量化呈现 RAG、Agent、Multi-Agent 编排等落地项目及带来的效率提升
- 强调多云（AWS/Azure/GCP）架构理解与国际化协作经历
- 系统梳理 Agent 框架（LangChain、ADK）与 MCP/Skill 的工程化实践
- 补充 AI Infra 相关知识，如 vLLM、KV cache 优化、流式输出等
面试指南
- STAR 结构：清晰交代背景、任务、行动与量化结果，重点突出架构决策与难点攻克
- 技术深度 + 业务价值：既讲清技术选型与实现细节，也说明对交付效率/风险的实际影响
- 反思与演进：说明方案局限与迭代方向，体现持续优化思维
- 请描述你主导过的一次大规模集群或云交付项目的架构设计与风险管控经验
- 你是如何将 RAG / Agent 能力落地到实际业务场景的？效果如何衡量？
- 面对大模型幻觉、Prompt 注入等风险，你的工程化应对方案是什么？
- 如何利用数据挖掘与大模型完成交付过程的瓶颈识别与归因？
- 你如何理解 AI 原生交付架构？未来会如何演进？
Watch Jobs