企业智能事业部-AI研发工程师-杭州

优缺点分析

角色解读

• 在AI大模型领域深耕，从平台研发工程师成长为AI基础设施或AI平台架构师
• 深入业务一线，可向AI产品经理或技术专家方向发展，负责更大范围的模型评测与运营体系
• 在阿里巴巴体系内，有机会横向调动至其他AI核心团队，如通义实验室、阿里云等，拓宽技术视野
• 参与Qwen模型反馈与运营平台的核心研发，包括架构设计、模块开发，确保系统高性能、高可用、可扩展
• 主导反馈采集、模型评测实验、效果指标体系等核心能力的建设，并负责相关技术架构设计
• 深入业务一线，挖掘模型在真实场景中的问题用例，进行归因分析并推动模型侧优化与复测验证
• 参与制定长期技术路线图，推动评测与反馈能力在基础模型持续迭代中的落地
• 扎实的Java/Python/Node开发经验，精通至少一门语言，具备优秀的逻辑分析和沟通协作能力
• 良好的架构设计素养，熟悉消息队列、缓存、任务调度等中间件及MySQL数据库原理和应用
• 具备数据链路开发经验，熟悉数据上报、清洗加工与指标建模，能独立使用SQL进行数据核对与分析
• 熟练掌握LLM调用、prompt编写、RAG、Agent等，了解大模型能力边界与常见失效场景

申请策略

• 了解阿里巴巴企业智能事业部的业务方向，特别是Qwen模型的应用场景
• 在简历中强调对AI技术的热情和自驱力，展示实际项目成果
• 突出Java/Python/Node开发经验，尤其是平台型系统从0到1的建设经历
• 强调数据链路开发经验，包括数据上报、清洗加工、指标建模和SQL数据分析能力
• 展示LLM、RAG、Agent等大模型相关项目经验，特别是实际落地案例
• 体现跨团队协同和推动落地的能力，如与算法、业务、产品团队合作的项目
• 系统学习大模型技术，如LLM原理、RAG、Agent、Prompt工程等，并动手实践
• 深入理解消息队列、缓存等中间件原理，提升架构设计能力

面试指南

• 采用STAR法则（情境-任务-行动-结果）回答项目经验类问题，突出个人贡献和量化成果
• 对于系统设计问题，从需求分析、架构选型、关键模块设计、性能优化和扩展性等方面展开
• 对于模型评估问题，结合具体业务场景，从评测指标、数据采集、实验设计和归因分析等角度回答
• 请介绍一个你主导的从0到1的平台系统项目，包括架构设计、技术选型和遇到的挑战
• 如何设计一个高可用、高扩展的模型反馈采集系统？
• 你如何评估一个LLM在特定业务场景下的效果？请举例说明
• 如何通过数据分析发现模型在真实场景中的问题？请描述你的分析思路
• 你如何与算法、业务、产品团队协同，推动模型优化落地？