字节跳动客服智能化专家-商业生态与安全

1. 行业解决方案设计与交付 - 基于阿里云大模型技术（如通义千问），为银行、保险、证券等金融客户量身定制AI大模型解决方案，覆盖AI财富助手、智能客服、智能风控等核心场景。 - 深入理解客户业务痛点，提供从需求分析、技术选型到方案落地的全流程支持，确保大模型技术与金融业务深度融合。 2. 大模型全生命周期技术赋能 - 主导客户侧大模型后训练（Post-training）、领域微调（Domain-specific Fine-tuning）、模型蒸馏（Distillation）及多模态融合优化，提升模型在金融垂直场景的精度及性能。 - 优化大模型训练与推理性能，包括分布式训练加速（如DeepSpeed、Megatron-LM）、显存优化、量化压缩（INT8/FP16）及低延迟推理部署（如vLLM、SGLang）等。 3. 工程化落地与性能调优 - 解决金融场景高并发、高稳定性需求，设计高性能计算架构，优化模型在GPU/TPU集群的训练效率及端到端推理链路。 - 结合金融行业数据隐私与安全要求，设计符合监管的模型部署方案。 4. 客户技术赋能与生态共建 - 面向客户技术团队提供大模型技术培训、实战工作坊及POC验证，推动AI能力在客户内部的规模化应用。 - 沉淀金融行业大模型最佳实践，输出白皮书、案例研究及标准化解决方案，提升阿里云在金融AI领域的市场影响力。

1. 行业解决方案设计与交付 - 基于阿里云大模型技术（如通义千问），为银行、保险、证券等金融客户量身定制AI大模型解决方案，覆盖AI财富助手、智能客服、智能风控等核心场景。 - 深入理解客户业务痛点，提供从需求分析、技术选型到方案落地的全流程支持，确保大模型技术与金融业务深度融合。 2. 大模型全生命周期技术赋能 - 主导客户侧大模型后训练（Post-training）、领域微调（Domain-specific Fine-tuning）、模型蒸馏（Distillation）及多模态融合优化，提升模型在金融垂直场景的精度及性能。 - 优化大模型训练与推理性能，包括分布式训练加速（如DeepSpeed、Megatron-LM）、显存优化、量化压缩（INT8/FP16）及低延迟推理部署（如vLLM、SGLang）等。 3. 工程化落地与性能调优 - 解决金融场景高并发、高稳定性需求，设计高性能计算架构，优化模型在GPU/TPU集群的训练效率及端到端推理链路。 - 结合金融行业数据隐私与安全要求，设计符合监管的模型部署方案。 4. 客户技术赋能与生态共建 - 面向客户技术团队提供大模型技术培训、实战工作坊及POC验证，推动AI能力在客户内部的规模化应用。 - 沉淀金融行业大模型最佳实践，输出白皮书、案例研究及标准化解决方案，提升阿里云在金融AI领域的市场影响力。

1. 产品规划与定义： 基于Flink开源技术演进趋势及用户需求，主导大数据引擎类产品的路标规划与功能设计，并对产品用户使用体验与市场价值负责。 2. 产品全生命周期管理： 负责Flink产品的全生命周期管理（从概念到退市），以用户价值为核心，交付安全、稳定、易用且具备成本效益的产品。有效协调并驱动研发、测试、运营、客服等多职能团队，确保达成产品业务目标。 3. 产品布道与用户洞察： 主导产品布道工作，包括内外部技术培训、市场活动推广及数据分析解读。深入关注用户反馈与行为数据，驱动产品用户体验的持续优化，对用户转化率、留存率、客户价值及满意度负责。 4. 市场与技术研究： 围绕实时计算领域（基于Flink），进行开源大数据技术深度分析、开源大数据市场动态研究及竞争对手调研，为产品战略决策提供洞察。

1.负责智能客服AI系统的运营管理，包括系统的日常维护、数据分析和策略优化等工作； 2.负责与技术团队合作，不断提升智能客服系统的效率和用户体验； 3.负责制定智能客服系统的运营策略，提高系统的智能化水平； 4.以用户体验为导向，持续优化智能服务流程。