阿里巴巴
阿里云智能-高级技术专家-资产运营平台-杭州
阿里云智能-高级技术专家-资产运营平台-杭州
发布于 5 小时前普通员工/个人贡献者
全职员工仅现场办公架构师
架构师
Mcp
Rag
分布式系统
大模型
微服务
架构设计
领域驱动设计
值不值得投
75综合评分
综合评分 75
阿里云高级技术专家岗，聚焦大模型与Agent工程化落地及复杂分布式架构，技术前沿且极具挑战。
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
7万
比架构师中位数高
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 · 其中架构师 24 个
市场机会
选择面较广
杭州 · 架构师 · 54 个在招
职位详情
关于这个职位
该职位负责阿里云资产运营平台的技术方案主导与系统架构演进，推动大模型与Agent能力在业务链路中的工程化落地
你需要具备8年以上研发及5年以上分布式架构经验，带领团队提升AI研发效能，解决复杂业务场景下的系统设计与技术难题
最低要求
具备大模型应用系统的完整落地经验，独立主导过至少一个 AI 或 Agent 类系统从架构设计、开发上线到持续运营的全过程，并可提供可量化的业务结果，如任务准确率、处理时效或人力替代效能
深入掌握大模型应用的关键技术与工程实践，包括提示与上下文工程、RAG 与向量检索、工具调用与 MCP 集成、Agent 编排与状态管理、模型选型与推理成本优化、评测集设计与效果回归、安全护栏与权限隔离，并具备灰度、降级、幂等重试与全链路可观测等生产级工程能力
熟悉主流框架生态，了解模型微调与私有化部署的适用边界
年以上研发经验，其中 5 年以上大型分布式业务系统的架构设计经验，主导过复杂领域系统从 0 到 1 建设及持续演进
精通 Java 或同等语言，熟悉微服务、分布式一致性、消息中间件、数据库设计与性能优化
具备复杂领域建模与扩展机制设计能力，能够通过领域驱动设计、配置化与插件化机制，在多业务模式并行的场景下有效控制系统复杂度与耦合度
具备跨团队技术方案的主导经验，有 5 个以上系统协同的复杂项目落地经历，能够统一技术口径、把控风险与稳定性，并具备技术评审、规范建设与人才培养能力
工作职责
负责资产运营多模式业务的技术方案主导与交付，覆盖供应协同、到货计划、现场交付、资产运营与现场资产运维、财务对账等十余类领域，主导技术评审、性能与稳定性保障，对最终交付结果负责
负责资产运营业务域的系统架构演进与技术决策，面向持续新增的业务模式主导领域拆分、核心模型与扩展机制设计，将模式差异沉淀为统一底座上的可配置扩展点，持续降低新模式的改造成本与系统复杂度
负责相关平台的AI 原生架构的规划与落地，主导大模型与 Agent 能力在业务链路中的工程化，涵盖场景选型与可行性评估、上下文与知识工程、工具与 MCP 接入、多 Agent 编排与任务调度、执行护栏与权限隔离、评测集与效果回归体系建设，形成可复用的 AI 平台能力与工程规范，并对 AI 应用的准确率、时效与人力效能收益负责
负责团队 AI 研发效能的提升与技术传承，推动 AI 在需求分析、编码、测试与代码审查环节的规模化应用并度量收益，主导技术选型、架构评审与核心人才培养
优先资格
具备数据中心或智算中心、供应链协同、资产管理或财务对账类系统的研发经验
有 AI 平台或 Agent 平台建设经验者优先
AI 洞察
优缺点分析
优点
- 接触前沿AI技术，主导大模型与Agent在复杂业务场景的工程化落地，技术含金量高
- 依托庞大的业务体量，能够积累处理超大规模分布式系统与复杂领域建模的实战经验
- AI技术迭代极快，需要持续跟进大模型前沿技术并快速转化为生产力，学习成本高
- 适合具备扎实分布式架构功底、对大模型工程化有浓厚兴趣，且能在复杂业务场景中游刃有余的资深技术人才
缺点 / 挑战
- 作为高级技术专家，拥有较高的技术决策权与跨团队影响力，利于个人技术品牌建设
- 业务模式复杂且持续新增，需要不断进行领域拆分与架构演进，系统设计与技术决策压力大
- 跨团队协同项目多，涉及5个以上系统协同，沟通与项目推进成本较高
角色解读
- 向首席架构师或技术总监方向发展，负责更大规模的业务域或集团级技术中台
- 深耕AI工程化领域，成为大模型与Agent应用落地的行业技术专家
- 主导资产运营平台的技术方案与系统架构演进，解决复杂业务场景下的系统设计难题
- 推动大模型与Agent能力在业务链路中的工程化落地，构建可复用的AI平台能力
- 提升团队AI研发效能，主导技术选型、架构评审与核心人才培养
- 精通Java及大型分布式系统架构设计，具备复杂领域建模与扩展机制设计能力
- 深入掌握大模型应用关键技术，包括RAG、Agent编排、MCP集成及生产级工程能力
- 具备跨团队技术方案主导经验，能统一技术口径并把控系统风险与稳定性
申请策略
- 了解阿里云资产运营或供应链协同相关的业务背景，思考AI技术在该领域的落地场景
- 准备几个跨团队复杂项目落地的案例，重点阐述如何统一技术口径、把控风险与培养人才
- 突出主导过的复杂分布式系统架构设计经验，特别是从0到1的建设及持续演进过程
- 详细列举大模型或Agent系统落地案例，提供任务准确率、处理时效等可量化的业务结果
- 展示在领域驱动设计、配置化与插件化机制方面的实践经验，体现控制复杂度的能力
- 深入学习大模型应用的关键技术，如RAG、Agent编排、MCP集成及评测集设计
- 复习并强化Java微服务、分布式一致性、消息中间件等底层技术原理与性能优化方案
面试指南
- STAR法则：针对项目经验，清晰阐述背景、任务、行动和结果，特别是可量化的业务收益
- 架构设计思路：从业务痛点出发，讲解领域建模、核心模型设计、扩展机制及最终的系统收益
- 技术深度与广度结合：在回答大模型问题时，既讲算法原理（如RAG、Agent），又讲工程落地（如灰度、降级、可观测）
- 请分享一个你独立主导的AI或Agent系统落地案例，你是如何衡量其业务结果的？
- 在多业务模式并行的场景下，你如何通过领域驱动设计和扩展机制来控制系统的复杂度？
- 在5个以上系统协同的复杂项目中，你如何统一技术口径并把控整体风险与稳定性？
- 针对大模型应用中的幻觉问题或准确率问题，你在工程实践中是如何设计护栏与评测体系的？
- 梳理过往主导的复杂分布式系统架构案例，准备好应对关于领域拆分、性能优化和稳定性保障的深度提问
职位点评
薪资福利85
成长发展90
工作生活40
使命价值75
薪资福利
85较高
该职位对架构经验和AI落地能力要求极高，属于资深技术岗位，市场价值较高。
薪资信号未披露（AI估算：5千–9万/月）
成长发展
90较高
岗位核心涉及大模型与Agent的工程化落地及AI原生架构规划，技术栈非常前沿，且要求主导技术选型与人才培养，发展空间巨大。
技术前沿前沿/新兴技术
技术栈大模型、Agent、RAG、MCP、Java、微服务、分布式系统、领域驱动设计
成长机会核心人才培养、技术传承
业务类型cost_center
工作生活
40较低
JD未提及工作模式与WLB相关信息，无法判断具体的工作节奏与办公灵活性。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
推动AI原生架构与Agent能力在业务链路的落地，有助于提升企业运营效能，具有一定的技术使命感与行业价值。
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