阿里巴巴阿里国际站-AI全栈工程师-杭州
任职要求
1. 本科及以上学历，计算机/数学/统计相关专业，3年以上服务端开发经验 ，有大模型落地调优经验。 2. 精通 Java/C++/Python（至少一种） 及主流框架（Spring Boot/Gin/Django）；熟练掌握 MySQL/PostgreSQL 数据库设计与优化，精通 Redis 缓存策略；有高并发系统开发经验，熟悉分布式事务、限流熔断、负载均衡机制。 3. 熟悉AI 工程化流程，有 Prompt 工程、RAG 应用或大模型微调经验，具备 Python 数据处理能力；掌握模型部署与监控技术栈，如：Prometheus+Graf…
工作职责
1. 设计并开发高可用、高并发的分布式服务；构建微服务架构（如Spring Cloud/Dubbo），优化API性能与稳定性；负责数据库（MySQL/PostgreSQL）、缓存（Redis）、消息队列（Kafka/RabbitMQ）的技术选型与性能调优。 2. 将大模型部署到生产环境，设计实时/离线推理服务架构（如模型压缩加速、分布式训练框架集成）；监控模型线上表现（如准确率、延迟、吞吐量）；主导模型的迭代调优（参数调优、后训练、评测）；监控模型效果，定位预测偏差、数据漂移等问题。 3. 理解大模型原理并制定工程化方案，与产品、UI/UX、测试及运维团队紧密协作，确保项目高质量交付。
团队介绍： AE 技术部致力于打造全球买、全球卖的极致购物体验，通过世界一流的技术架构，服务全球200+多个国家和地区的数亿消费者与数十万卖家。面对多元化的用户需求、本地化挑战以及独特的数据安全政策，我们构建了独特的系统部署与架构设计，涵盖基础链路、用户增长，商家商品，运营平台及泛导购等核心领域，为全球电商业务提供创新解决方案！ 职位描述： AI 全栈工程师是一个高度综合性的技术角色，要求工程师能够覆盖AI智能领域的全流程开发工作，需要在掌握传统工程研发、机器学习、深度学习的核心技术的同时，还需熟悉从数据处理、模型训练到部署落地的各个环节，并具备跨团队协作的能力。 主要工作内容： 1、负责电商领域AI相关产品的全流程开发，包括但不限于大模型 Agent 应用的架构设计、工程实现、系统部署及迭代优化； 2、参与大模型技术在多场景解决方案中的落地实施，开展技术攻关与效果验证，推动 AI 能力在商业化场景的价值转化； 3、主导/参与大模型应用开发和技术中台建设，持续优化系统架构的高可用性、可扩展性及服务稳定性； 4、探索前沿技术落地可能性，参与技术决策并推动关键技术预研，构建企业大模型应用技术生态； 5、协同运营、产品、设计等协同团队共同完成复杂项目的技术方案设计与实施。
1、核心业务架构与开发： 负责亿级用户规模的互动/游戏化业务（红包签到、长期连签等）的前后端架构设计、核心功能开发和产品持续演进。 2、高并发互动支持： 支撑爆款级别互动，为大促（如双11的PK、养成、裂变等玩法）提供高并发、高可用互动玩法的架构设计与系统开发。 3、技术体系建设与平台化： 深度参与互动技术体系的建设，架构和设计互动权益平台、互动积分平台等互动技术产品，并推动产品的迭代和演进。 4、全栈开发与优化： 负责互动业务的前端页面、组件及后端服务的设计、开发和优化，确保用户体验和系统性能的平衡。
我们相信优秀的技术架构是相通的——无论是构建高并发、高可扩展的深度学习应用，还是打造高性能的智算平台交互体验，亦或是设计稳定可靠的底层基础设施，背后都需要对系统美感、性能、可维护性和用户体验的一致追求。在这里，你可以从业务场景出发，垂直交付从前端到服务端乃至客户端的完整解决方案，同时至少在一个技术方向上达到专家水准。我们鼓励从细节推动进步，期待你以深厚的专业积累与开阔的视野，灵活运用技术塑造可靠、优雅的系统。 你将具体负责DingTalk Real 产品线的技术开发与迭代，并与研究员紧密协作，探索并落地AI驱动的创新业务场景。
团队介绍： AE 技术部致力于打造全球买、全球卖的极致购物体验，通过世界一流的技术架构，服务全球200+多个国家和地区的数亿消费者与数十万卖家。面对多元化的用户需求、本地化挑战以及独特的数据安全政策，我们构建了独特的系统部署与架构设计，涵盖基础链路、用户增长，商家商品，运营平台及泛导购等核心领域，为全球电商业务提供创新解决方案！ Why 选我们： AI 全栈工程师是一个综合性的技术角色，AliExpress 是一个场景非常丰富的电商综合产品，在这里。你能有机会，将 AI 能力和电商业务，技术平台，商业增长，用户洞察等多个维度进行结合，既有技术挑战，又能看到 AI 带来的真实价值。 职位描述： 1. 负责电商领域 AI 相关产品的全流程开发，包括但不限于大模型 Agent 应用的架构设计、工程实现、系统部署及迭代优化； 2. 参与大模型技术在多场景解决方案中的落地实施，开展技术攻关与效果验证，推动 AI 能力在商业化场景的价值转化，包括但不限于 X2C 页面生成，用户体验洞察，数字员工，端智能等场景； 3. 主导/参与大模型应用开发和技术中台建设，持续优化系统架构的高可用性、可扩展性及服务稳定性。