阿里巴巴
阿里云智能-解决方案架构师（公共云Maas方向）-北京
阿里云智能-解决方案架构师（公共云Maas方向）-北京
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公解决方案
解决方案
Agent开发
Ai解决方案架构
Llmops
Maas
Python/Java
Rag架构
售前技术支持
大模型应用
值不值得投
77综合评分
综合评分 77
阿里核心AI业务、前沿技术栈、高成长潜力、高压快节奏
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
4.8万
比解决方案中位数高
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 4440 个在招 · 其中解决方案 67 个
市场机会
选择面较广
北京 · 解决方案 · 约 210 个在招
职位详情
关于这个职位
该职位负责阿里云AI原生业务的售前技术支持，基于MaaS产品与大模型能力为客户设计AI Native解决方案
需深入理解客户业务场景，主导POC演示与技术验证，提供从模型选型到系统架构的全链路技术指导，推动解决方案落地并实现商业成功
最低要求
基础开发能力：具备Python/Java/Go/Node.js 等至少一种语言的 3 年以上开发经验，有后端分布式系统设计、大数据平台或AI应用构建经验
业务架构能力：深刻理解AI应用与MaaS商业模式，能将复杂的客户业务场景抽象映射为AI技术解决方案
大模型技术体系：
深刻理解主流模型（Qwen/GPT/Gemini/Claude等）的能力差异及适用场景
熟悉模型微调与对齐技术（SFT/LoRA/RLHF/DPO），能够根据业务需求进行模型选型和适配
掌握模型评估方法论，熟悉主流Benchmark及A/B Testing策略
AI Native应用范式：
精通RAG全链路架构：包括Embedding优化、Re-rank策略、混合检索及向量数据库选型等
精通Agent开发：熟练使用AgentScope、LangGraph、CrewAI或AutoGen等框架
掌握前沿交互协议：熟悉MCP服务开发、Tool Calling及Skills定义
AI工程化与运维：
具备LLMOps实践经验，掌握模型监控、可观测性及安全性建设
熟悉推理优化技术，能够在延迟、吞吐与成本之间找到最优解，实现极致性价比
售前咨询能力：具备优秀的方案宣讲与沟通能力，能够主动挖掘客户需求，主导POC演示、Demo搭建及技术验证，推动解决方案落地
综合素质：具备良好的团队合作精神，抗压能力强，勇于探索新技术
工作职责
负责AI原生客户的售前工作，支持销售拿到业务结果，推动阿里云AI Native与MaaS相关产品及解决方案的落地，助力客户成功
作为AI技术专家，基于阿里云MaaS服务及大模型能力，为客户提供整体技术架构与解决方案设计，并在落地过程中提供必要的技术指导，确保方案可落地、有竞争力
深入理解客户业务场景，围绕AI Native应用形态，设计从模型能力到系统架构的完整解决方案
参与客户的方案比选，主导POC演示、功能/性能验证，量化模型效果、系统性能及成本收益，在保证性能、安全与稳定性的前提下实现成本最优
负责所支持区域及行业的市场洞察与解决方案制定，能够把握AI技术及产业发展趋势，推动AI Native 解决方案的创新与规模化复制
建立行业影响力，参与内外部行业沙龙及技术分享，传播AI Native与MaaS架构最佳实践
为客户提供整体 AI 技术架构服务，包括模型选型、推理性能优化、成本治理、系统稳定性设计及安全合规方案
优先资格
在GitHub上有Agent相关开源项目或AI辅助编程（Vibe Coding）深度实践者优先
有AIGC内容生成（如AI视频/漫剧）、AI硬件或垂直行业Agent创业/核心开发经验者优先
AI 洞察
优缺点分析
优点
- 处于AI浪潮核心，接触最前沿的大模型技术与应用场景
- 依托阿里云平台，拥有顶级的技术资源与客户案例积累
- 技术迭代极快，需持续学习最新模型与框架
- 适合具备扎实开发背景、对AI充满热情且擅长沟通的技术专家，渴望在AI商业化落地中发挥关键作用的人
缺点 / 挑战
- 售前工作压力大，需平衡技术理想与客户实际落地需求
角色解读
- 可向AI解决方案专家、技术总监或AI业务线负责人方向发展，成为既懂技术又懂商业的复合型人才
- 作为AI技术专家，负责将阿里云的大模型能力转化为客户可用的AI Native解决方案，连接技术与商业价值
- 需要深厚的后端开发功底，精通RAG、Agent开发等大模型应用架构，具备优秀的售前沟通与方案设计能力
申请策略
- 准备1-2个完整的AI解决方案案例，展示从需求分析、架构设计到落地验证的全过程思考
- 突出3年以上后端开发经验，重点展示RAG、Agent等项目实战经历，强调技术方案对业务结果的贡献
- 深入理解主流大模型特性，熟练掌握LangChain/LangGraph等框架，提升方案宣讲与POC演示技巧
面试指南
- 采用STAR法则（情境、任务、行动、结果）描述项目经验，重点突出技术决策背后的思考过程与业务价值产出
- 请介绍一个你设计的RAG或Agent项目，遇到的最大挑战是什么？如何解决？
- 如何评估不同大模型在具体业务场景下的适用性与成本效益？
- 面对客户对AI效果的过高预期，如何进行管理并给出合理的技术方案？
- 简述LLMOps中模型监控与优化的关键指标与实践方法
- 复习主流大模型对比、RAG架构细节、Agent开发框架原理，准备典型的售前冲突处理案例
职位点评
薪资福利85
成长发展95
工作生活40
使命价值80
薪资福利
85较高
阿里作为头部大厂，薪资福利处于行业领先水平，虽未明确披露具体数字，但基于其市场地位与岗位层级，薪酬竞争力强。
薪资信号未披露（AI估算：3.5千–6.0万/月）
成长发展
95较高
岗位处于AI技术最前沿，涉及MaaS、Agent、LLMOps等高阶技术领域，成长空间巨大，技术挑战性极高。
技术前沿前沿/新兴技术
技术栈MaaS、大模型、RAG、Agent、LLMOps、LangGraph、CrewAI、AutoGen、MCP、SFT、LoRA
业务类型profit_center
工作生活
40较低
互联网大厂通常工作节奏较快，售前岗位需频繁对接客户，可能面临一定的工作压力与时间灵活性限制。
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
80较高
致力于推动AI成为业务核心生产力，帮助客户实现数字化转型，具有显著的行业影响力与社会价值。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号AI如何成为业务核心生产力、推动AI Native 解决方案的创新与规模化复制
创新程度开拓性创新（行业首创）
Watch Jobs