阿里巴巴
阿里云智能-大模型技术服务工程师TAM-AI原生业务-北京/成都
阿里云智能-大模型技术服务工程师TAM-AI原生业务-北京/成都
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技术支持
技术支持
Ai Agent
Maas
Prompt Engineering
Rag
云原生
多智能体协作
大模型微调
阿里云
值不值得投
80综合评分
综合评分 80
阿里核心AI业务岗，技术前沿性强，发展机会好，薪资优厚，但需具备较强的客户服务意识和抗压能力
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
3.5万
比技术支持中位数高
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 · 其中技术支持 29 个
市场机会
选择面较广
北京 · 技术支持 · 76 个在招
职位详情
关于这个职位
该职位主要负责阿里云大模型（MaaS）及AI Agent业务的技术支持与优化工作
核心职责包括主导Agent技术栈设计与落地、解决客户在模型调用中的疑难问题、保障服务稳定性，以及通过技术赋能帮助客户提升产品应用效率并挖掘潜在商机
最低要求
）2年以上AI技术方向工作/实践经验，有主导应用算法/Agent完整项目的落地经验
具备云原生/大数据等技术经验者优先
）能够解决MaaS场景下的疑难问题，综合掌握多项AI技术（各种采样技术、模型微调、多智能体协作等），能够基于客户场景，实现极致的性能和效果提升和PK
）多智能体（Multi-Agent）协作
能够基于 AgentScope 等框架，设计“专家组”模式，让多个 Agent 协同完成极其复杂的任务流
）对智能办公/编程等agent工具较为熟悉，能过基于培训、业务skill共建等支持协助客户提升产品应用效率
）主动设计模型调用稳定性方案，推动客户做应急演练
）具有良好的沟通能力，把握沟通要点，有效倾听，清晰表达
）良好的服务意识，能够对客户问题一根到底，切实帮助客户解决难题，并能保证客户满意度
）深刻理解客户业务场景、云和AI技术战略，在服务过程中主动挖掘客户潜在需求，推动客户对阿里云产品的采纳，支持业务提升商机转化效率
工作职责
）Agent场景技术支持和优化
· 落地支持：主导或参与AI Agent技术栈设计，并基于阿里云的Agent开发工具链、知识向量库完成工程搭建和实施
· 效果优化：支持客户进行整体效果优化，采用的技术包括上下文工程、记忆模块管理、低代码/高代码工程链路搭建、模型微调等工作
· 产品实施：对智能办公/编程等agent工具较为熟悉，能过基于培训、业务skill共建等支持协助客户提升产品应用效率
）MaaS技术问题支持
· 日常问题响应：响应客户日常在模型调用过程中的实际问题，提供技术支撑和优化，包含并不限于模型效果优化、应用指令和工程优化，比如逻辑推理、生成创作、代码生成等工作
· 稳定性保障：包含模型容量保障（流量预测、客户侧AI应用压测、限流措施设计和执行）和流量异常排查（告警机制设计和建设、异常流量监控、错误分析和排查）
· 评测和优化：支持客户进行场景化的大模型横向评测，量化模型表现并实施效果优化手段，采用的技术包括提示词、RAG召回和排序调优、模型微调（基于百炼模型单元）等工作
· 场景挖掘：基于业务和场景的理解，对客户的MaaS调用情况和需求进行正确分析，发掘增量场景，并协助业务线进行调用量转化
）云产品和AI基础设施运维
· 云产品/AI基础设施的基础运维，包含部署方案设计、资源部署、压测支持、模型适配等相关工作
AI 洞察
优缺点分析
优点
- 接触最前沿的大模型与Agent技术，积累高价值行业案例
- 依托阿里云平台，资源丰富且职业背书强
- 技术迭代极快，需持续学习最新模型能力
- 具备扎实AI工程落地经验，且喜欢与人沟通、乐于解决复杂技术问题的复合型技术人才
缺点 / 挑战
- 直接面对客户，需兼顾技术深度与服务意识，压力较大
角色解读
- 可向AI解决方案专家、大模型架构师或技术型销售（Pre-sales/Sales）方向发展，深入理解业务与技术结合点
- 负责阿里云大模型及Agent产品的客户技术支持，解决模型调用、效果优化及稳定性问题
- 精通AI Agent架构、大模型微调（Fine-tuning）、RAG技术及多智能体协作框架（如AgentScope）
申请策略
- 准备1-2个完整的从技术设计到客户落地的案例，重点说明如何通过技术手段解决客户痛点并带来业务价值
- 突出展示主导过的Agent项目落地经验，强调在模型效果优化（如RAG调优、Prompt工程）方面的具体成果和数据
- 深入理解阿里云百炼平台及相关工具链，熟悉多智能体协作框架，提升对客户业务场景的理解能力
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述项目经历
- 针对技术问题，展示系统化的排查思路（数据->模型->工程->基础设施）
- 针对服务问题，强调以客户为中心的价值交付
- 请分享一个你主导的AI Agent落地项目，你是如何设计技术栈并解决关键难点的？
- 在面对客户大模型调用效果不佳时，你会从哪些维度进行排查和优化？
- 如何理解多智能体（Multi-Agent）协作的优势与挑战？请举例说明
- 如果客户对模型稳定性提出极高要求，你会如何设计保障方案？
- 复习大模型基础原理（Transformer、Attention等）及主流微调方法
职位点评
薪资福利85
成长发展92
工作生活60
使命价值75
薪资福利
85较高
作为上市巨头企业的核心业务部门岗位，薪资福利体系完善且具有竞争力，符合市场高位水准。
薪资信号偏高 (2.5千–4.5万/月)
成长发展
92较高
处于AI大模型与Agent技术的绝对前沿，技术栈新颖且应用场景丰富，个人技能成长空间极大。
技术前沿前沿/新兴技术
技术栈AI Agent、MaaS、模型微调、RAG、多智能体协作、AgentScope
业务类型profit_center
工作生活
60中等
互联网大厂通常节奏较快，虽未明确提及加班文化，但技术支持岗位需响应客户需求，可能存在一定的工作强度。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
75中等
通过技术支持帮助企业客户实现数字化转型和智能化升级，具有明确的商业价值和社会生产力提升意义。
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
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs