高德地图高德-AI高级技术专家P8-信息工程数据应用平台-信息工程专项
任职要求
1、管理经验:互联网大厂2年以上数据仓库/数据中台/埋点治理经验,管理5人以上团队; 2、AI能力:热爱并信仰AI技术,熟练掌握AI技能,包括但不限于: - Vibe Coding / Spec Coding - Skills / Agent 开发 - 上下文工程 3、 大数据技术:精通离线与实时数据处理(…
工作职责
高德信息业务数据平台团队,负责高德核心业务的数据建设,涵盖扫街榜、搜索、推荐、广告、酒店、旅游、门票、租车、美食、加油充电、电影、房产等多元化场景。通过埋点治理与数据优化,驱动业务快速增长。 职位描述 1、埋点体系建设:负责埋点SDK建设与维护、埋点元数据体系设计、埋点治理,对接多业务方完成埋点方案设计; 2、AI赋能数据团队:运用AI技术重构数据开发流程,打造AI Native数据团队,极大提升开发效率; 3、数据平台建设:构建与维护搜索、推荐、广告等C端基础数据体系。
负责阿里集团、阿里云战略级产品SLS研发,在日增数百PB级的超大规模实时数据之上,挑战从“经典可观测性”向“AI Native 基建”的跨越。通过实时采集、索引、存储、语义检索和分析等技术,实时处理每日数百PB海量数据,并针对AI应用场景进行特定优化,提供智能、自动化数据检索和分析服务。加入该岗位,您将有机会在国内超大规模的实时日志平台上,打造新一代的AI基础设施。 1.定义下一代 AI 数据基座: 基于现有海量日志平台,重构面向 Agent Runtime 的数据基础设施,解决高吞吐写入与低延迟语义检索共存的工程难题; 2.构建 Data + AI 飞轮: 研发高性能的数据清洗与向量化流水线,从数据中实时化萃取高质量数据,构建AI存储和检索系统,通过构建数据反馈回路,使模型和Agent持续进化; 3.超大规模系统攻坚: 维护并演进日处理百 PB 级数据的实时平台,在极致的成本与性能约束下,探索存算分离、混合索引等前沿技术落地。
阿里云 AI 中间件团队致力于打造行业优秀的AI中间件(Agent框架,Agent Registry,Agent网关等),拥有全球优秀开源项目AgentScope/Higress / Dubbo / Nacos ,优秀的商业产品AI网关,MSE,支撑阿里Qwen-APP/百炼/PAI 等核心业务流量。期待你能够洞察 AI 网关趋势,梳理核心技术竞争点,带领团队持续引领 AI 网关先进性。 1、主导 AI 网关的系统设计与实现, 独立完成 AI 模块的完整设计、开发工作,并保证功能交付的质量与稳定性; 2、主导 AI 网关的用户洞察,产品链接,需求实现,主动组织、推动上下游团队的协作,按时保质地交付用户功能需求; 3、主导 AI 网关的高可用能力构建,主动通过单元测试、功能测试、性能测试、容灾演练等持续提升自身负责模块的稳定性能力; 4、主导 AI网关的开源项目 Higress 影响力和标准的构建,积极参与开源 Higress 社区的生态扩展以及 AIGC 的探索; 5、能够 洞察 AI 网关趋势,结合行业报告、竞对分析、市场反馈,扩大 AI 网关竞争优势。
1、负责淘宝内部企业级软件的AI研发系统技术规划与实施落地,带领团队面对数千个代码库的复杂存量系统,通过完善现有系统AI友好化改造、构建各类研发Agent、探索新型研发工具形态,最终交付企业级软件的AI原生研发模式; 2、AI研发系统构建及演进:根据行业最新进展及内部企业实际情况,定义企业级软件的AI研发系统的整体方案及演进路径。能够识别关键问题,创新技术方案,协同各方诉求,完成技术方案应用落地; 3、存量系统AI友好化改造:定义企业级软件的AI友好架构内容,针对现有存量系统能够制定切实可行的落地方案和实施路径,多团队协作,逐步完成存量代码库的AI友好化改造; 4、跨团队协作与应用落地:能够深入了解电商场景的交易营销、搜索推荐、直播等技术域特点,构建AI研发系统平台通用能力及各技术域开放定制能力,制定满足各技术域不同诉求的差异化落地方案。
1. 参与 AgentRun 平台核心引擎的设计与开发,构建支持多框架(AgentScope/LangGraph/AutoGen/Dify/ADK 等)兼容的统一 Agent 运行时环境; 2. 负责高并发、低延迟的 Agent 执行调度系统研发,实现任务编排、状态管理、上下文隔离、资源限流与弹性扩缩容; 3. 设计并实现 Agent 工具调用(Tool Calling)的安全沙箱机制,支持 REST、Function Call、插件等多种集成模式,保障执行安全性与稳定性; 4. 构建面向 LLM Agent 的可观测体系,包括执行链路追踪、Token 消耗分析、失败重试策略、性能瓶颈诊断等,提升平台可运维性; 5. 深度参与 AgentRun 与通义大模型、阿里云 Serverless、函数计算(FC)、SLS 等基础设施的集成,打造端到端的智能体 PaaS 能力; 6. 探索前沿 Agent 技术(如反思机制、多智能体协作、长期记忆等)在生产环境中的工程化落地路径。