Alibaba logo
阿里巴巴
阿里云智能-大模型技术服务工程师TAM-AI原生-杭州/上海

阿里云智能-大模型技术服务工程师TAM-AI原生-杭州/上海

发布于 1 小时前

普通员工/个人贡献者

AI 估算 · 3.0–5.5万 · AI 参考估算
中级经验
学历未注明
全职员工仅现场办公售前工程师
售前工程师
Agentscope
Ai Agent
Maas
Multi-Agent
Rag
上下文工程
云原生
大数据
模型微调

值不值得投

75综合评分

综合评分 75

大模型Agent落地一线岗位,技术前沿、客户压力与业务转化并重,WLB信息不明确

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

4.3万

比售前工程师中位数高

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 5110 个在招

市场机会

选择不多

杭州 · 售前工程师 · 2 个在招

职位详情

关于这个职位

该职位面向阿里云智能的大模型与AI Agent客户场景,负责Agent技术栈落地、MaaS调用问题支持、模型效果评测优化及稳定性保障

你需要结合云原生、RAG、模型微调和多智能体协作能力,帮助客户提升大模型应用效果并推动云产品采纳

最低要求

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

优先资格

具备云原生/大数据等技术经验者优先

AI 洞察

优缺点分析

优点

  • 岗位处于大模型应用落地一线,能接触Agent、MaaS、RAG、模型微调和多智能体协作等真实客户场景
  • 工作内容横跨技术服务、架构设计和业务增长,有利于形成技术、沟通、商业理解复合能力
  • 阿里云产品与AI基础设施体系完整,适合希望深入企业级AI落地和云服务交付的求职者
  • 杭州/上海两地选择,便于在一线城市或新一线核心城市积累云智能领域经验
  • 客户问题类型复杂,既要解决模型效果问题,也要处理稳定性、容量、压测和异常排查,技术覆盖面较广
  • 适合有AI应用落地、Agent或MaaS技术支持经验,同时愿意面向客户、具备较强沟通和服务意识的技术型人才

缺点 / 挑战

  • 岗位需要频繁面对客户,要求快速理解业务场景并清晰表达方案,对沟通和服务意识要求较高
  • 大模型应用效果优化存在不确定性,需要在评测、提示词、RAG和微调之间反复验证,交付压力可能较大

角色解读

  • 可向大模型解决方案架构师、AI应用架构师或云智能高级技术专家方向发展,负责更复杂客户场景和更大规模项目
  • 可积累MaaS、Agent平台、RAG和模型评测等实战经验,未来转向AI平台产品设计、技术管理或行业解决方案负责人
  • 由于岗位贴近客户和业务转化,也可发展为兼具技术深度与商业理解的技术客户经理或云业务专家
  • 负责客户AI Agent项目的技术落地,包括Agent技术栈设计、阿里云Agent开发工具链接入、知识向量库搭建和低代码/高代码工程链路实施
  • 支持客户优化大模型应用效果,围绕提示词、上下文工程、记忆模块、RAG召回排序、模型微调和Multi-Agent协作提升实际业务表现
  • 处理MaaS调用中的疑难问题,包括模型容量保障、压测、限流、告警、异常流量排查和错误分析
  • 结合客户业务场景挖掘增量需求,协助业务线推动阿里云产品采纳和调用量转化
  • 需要掌握AI Agent完整项目落地经验,熟悉AgentScope等框架,并能设计多智能体协作流程
  • 需要理解MaaS场景下的模型调用、采样策略、模型微调、提示词工程、RAG召回排序和效果评测方法
  • 需要具备云原生、大数据、资源部署、压测和稳定性保障能力,能够设计限流、告警和应急演练方案
  • 需要较强的客户沟通能力、服务意识和业务理解能力,能把技术问题转化为客户可执行的优化方案

申请策略

  • 面试前建议了解阿里云百炼、Agent开发工具和MaaS产品体系,能结合JD场景说明自己如何做技术落地
  • 可准备一个完整的客户问题处理案例,覆盖问题识别、方案设计、效果验证、稳定性保障和业务价值
  • 重点突出主导或参与过的AI Agent、RAG、模型微调、Multi-Agent或MaaS相关完整项目,说明业务场景、技术方案和最终效果
  • 强调模型调用稳定性相关经验,如流量预测、压测、限流、告警机制、异常流量排查和应急演练
  • 突出云原生、大数据、资源部署、AI基础设施运维或阿里云相关产品使用经验
  • 补充客户沟通案例,尤其是如何定位客户问题、推动方案落地、提升满意度或促进产品采纳
  • 提前熟悉AgentScope、RAG召回排序、上下文工程、记忆模块管理和百炼模型单元等核心技术点
  • 补强大模型评测方法,包括场景化横向评测、指标设计、效果归因和提示词优化流程

面试指南

  • 项目类问题采用“背景-目标-方案-难点-结果-复盘”结构,重点量化效果提升、稳定性改善或客户满意度
  • 技术排查类问题采用“现象定位-分层拆解-实验验证-优化实施-监控复盘”框架,体现系统化排障能力
  • 客户沟通类问题采用“理解诉求-澄清场景-形成方案-推动落地-持续跟进”框架,突出服务意识和业务转化意识
  • 请介绍一个你主导或深度参与的AI Agent完整落地项目,包括架构设计、技术选型和最终效果
  • 客户反馈大模型回答效果不稳定时,你会如何从提示词、RAG、上下文、记忆模块和模型微调角度排查?
  • 如何设计一个MaaS调用的稳定性保障方案,包括容量预测、压测、限流、告警和应急演练?
  • 你如何使用AgentScope或类似框架设计Multi-Agent协作流程,解决复杂任务流?
  • 面对客户提出模糊需求时,你如何挖掘真实场景并推动阿里云产品采纳?

职位点评

薪资福利78
成长发展88
工作生活52
使命价值74

薪资福利

78中等

JD未披露薪资与福利信息,但岗位要求中级以上AI落地与客户服务能力,通常对具备相关经验的人才具备一定薪酬吸引力。稳定性与福利信息未提及,无法进一步判断。

薪资信号未披露(AI估算:3.0千–5.5万/月)

成长发展

88较高

岗位涉及Agent、MaaS、RAG、模型微调、Multi-Agent和稳定性保障等大模型应用核心技术,技能成长空间较强。JD未提及明确晋升通道或培训机制,发展性主要来自项目实践本身。

技术前沿前沿/新兴技术
技术栈AI Agent、MaaS、Multi-Agent、AgentScope、RAG、模型微调、上下文工程、知识向量库、云原生、大数据
业务类型profit_center

工作生活

52较低

JD明确地点为杭州/上海,但未说明远程、弹性办公、双休或加班情况,生活化动机满足程度难以判断。客户技术支持与稳定性保障职责可能带来响应压力,但JD未明确工作强度。

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

74中等

岗位聚焦大模型、AI Agent和企业云基础设施落地,处于AI应用发展的新兴方向,具有一定行业前景。JD未直接描述社会使命或公共价值,更多体现客户业务价值与产品采纳。

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