岗位背景 在生成式 AI 不再只是工具，而正在成为基础设施的时代，我们正在把智能直接嵌入真实世界最复杂的商业系统。这里不是实验室，这里是亿级用户、千万商家、百亿商品、极端流量、真实经济行为交织的超级系统。如果你渴望的不只是“调模型”，而是参与构建一个能够自我演进的智能体；如果你希望在毕业后的几年时间里，站在全球最复杂的在线商业系统核心位置，把 AI 变成可规模复制的生产力，那么这里会是你真正的战场。我们的典型AI应用场景包括但不限于： 1）商家运营智能化：构建具备“理解—决策—执行”能力的电商运营AI Agent，覆盖千万级商家，让AI真正参与经营链路，而非停留在建议层面。 2）商品运营智能化：面向百亿级商品资产，打造AI驱动的商品理解与运营系统，实现人力无法实现的精细化商品运营 3）用户理解与精准导购：基于真实行为数据，构建具备长期记忆与行为建模能力的 AI 导购系统，实现跨场景长周期的连续用户理解 4）店铺AI经营托管：将复杂运营策略与数据分析能力抽象为可规模复制的智能托管系统，降低经营门槛，释放生产力。 5）AI Coding驱动的需求交付：在人类工程师与大模型协同的范式下，加速真实复杂业务系统的设计与实现，探索下一代工程生产力形态。 6）AI智能运维：在双十一等极端流量场景中，构建智能调度、异常诊断与自优化系统，让 AI 参与真实生产环境的核心决策。 我们的优势 1）顶级模型基础：依托阿里Qwen系列持续演进的SOTA模型体系，你将第一时间接触并实践最前沿的大模型能力； 2）领先的智能基础设施：从数据构建、自动评测、训练优化到推理部署与应用框架，我们拥有完整的 AI 工程体系，让你专注于构建能力，而不是重复造轮子； 3）算力与调用自由：充足的模型调用额度与训练、推理资源支持，让你的实践不被配额限制，让基于海量算力的探索成为常态； 4）真实规模数据飞轮：亿级在线反馈、真实商业数据持续回流，模型能力在真实环境中快速迭代，而非停留在离线指标； 5）高密度成长环境：与一线算法与系统专家深度协作，一对一指导，直接参与商业场景实战，在真实复杂问题中加速成长。 这是一个综合的AI推理、优化的技术岗位，适合希望从事以下工作的候选人投递： ● 希望从事AI应用构建与模型优化工作的候选人 ● 希望从事AI应用数据构建与自动化评测工作的候选人 ● 希望从事多模态AI应用构建与算法优化工作的候选人 岗位职责 围绕真实电商核心场景，参与AI应用的系统化构建与优化，把AI变为业务增长引擎，具体工作包括： 1）AI应用全生命周期演进：深度参与业务问题建模、应用架构设计、上下文工程、训练数据构建、自动化评估体系、模型后训练优化等 2）数据飞轮构建：打造高质量数据生产链路，探索合成数据（Synthetic Data）与高效蒸馏技术方案，跑通“业务-模型-反馈”迭代闭环 3）评测体系构建：面向业务目标，设计完备的AI应用效果评估体系，构建自动化评估框架，建立离线评估与在线业务指标联动的量化评估能力 4）强化学习与奖励机制设计：构建可工程化的Reward体系与RL训练环境，提升模型在垂直业务场景中的可控性与泛化能力 5）AI外部能力体系搭建：实现AI应用所需的知识库（RAG）、长短期记忆系统（Memory）、工具调用、多Agent协作框架等 6）多模态AI应用开发：构建AI应用的多模态感知与推理能力，解决在UI自动化、视觉理解与审核、多模态会话等场景的落地应用问题

岗位背景 随着 AI 技术的发展，软件工程的范式正在发生根本性改变，未来的工程师不只是把需求文档翻译成代码的执行者，而是端到端解决复杂问题的“系统构建者”。 在这里，你的日常工作画面不再是接需求写接口，你将直接面对真实的商业场景，用 AI 作为核心计算引擎，通过严谨的工程手段，让大模型在真实业务环境中发挥价值。你将获得一种全新的能力：跨越技术栈的边界，直接用智能技术为数亿消费者和千万商家创造看得见、摸得着的商业价值。 我们是建设核心电商系统技术底座的团队，直接支撑淘宝天猫的商业运转效率，我们致力于通过智能的新方法不断优化消费者体验、对商家的经营效率负责。我们追求智能技术的上限，将前沿的 AI 知识和澎湃的算力，转化为实实在在的生产力；我们期望成为世界一流的 AI 研究和应用团队，让科技进步真正造福万家灯火。 我们的优势： ● 顶级模型基础： 毫无保留地接入和使用最先进的基础大模型，站在巨人的肩膀上做研发； ● 算力和调用自由： 拒绝被 Quota 束缚你的想象力，我们提供无约束的 Token 消耗，让你的每一次尝试都底气十足； ● 面向 AI 时代的成长蓝图： 告别传统的职业天花板，为你定制专属的成长路径，帮助你从“技术实现者”成长为“智能系统架构师”。 岗位职责 聚焦核心业务场景，利用Agent等前沿技术推动AI落地。你将参与从需求洞察到系统构建的全流程，通过研发智能应用与工具，提升业务效率与效果，实现技术驱动业务增长的完整闭环，推动智能规模化演进，实现技术价值转化。 1. 需求理解与归因：深入业务场景，利用数据挖掘与特征分析完成现象归因；精准识别高价值问题，将模糊的业务痛点转化为明确的 AI 解决目标。 2. 架构设计：面向具体业务需求，设计 AI 原生系统架构；参与 Agent 系统核心模块的规划，包括记忆管理、推理策略与工具编排，兼顾架构的灵活性、可扩展性与工程可落地性。 3. 知识与环境构建：搭建AI与现有业务系统的交互环境，涵盖 API 接入、RAG 知识库构建、记忆方案设计；持续优化召回质量与上下文注入策略，为模型提供准确、及时的执行环境与知识支撑。 4. 核心能力实现：负责Agent关键模块的工程落地，实现意图识别、任务拆解与反思纠错闭环；封装标准化SDK/API服务，构建Agent观测体系，实现全链路追踪与多维归因分析。 5. 系统迭代与演进：建立搭建自动化评测与回测机制，通过调优与Case分析不断收敛效果与性能提升的最优路径；沉淀方法论与可复用组件，推动 AI 能力从单点验证走向规模化落地。 6. 性能优化：优化高并发场景下的系统性能，通过异步处理与降级策略保障稳定性，通过低侵入性观测手段保障系统的长期稳定运行。