阿里巴巴集团安全部-AI研发工程师-杭州

1. 负责深度融合前沿 AI 大模型技术，主导移动端安全 SDK 架构演进及终端安全产品研发，驱动跨平台安全组件的快速交付与工程效能提升，打造高可用的安全基础设施。 2. 拓展 AI 大模型在安全垂域的应用，推动智能化在环境检测、风险感知、行为分析、链路防护、破解对抗等攻防场景落地，通过技术革新持续快速的提升终端安全水位。

1、参与风险数据AI native基础设施建设。 参与tools、记忆、知识、skills、subAgent和Agent整体AI native基础设施的构建。 满足风险数据生成和分析的AI native化。打造高性价比、高可用、先进性的阿里安全数据基座。 2、负责 AI Coding 后端服务的设计、开发与高可用部署，应对亿级数据处理、毫秒级响应、强一致性与数据安全等复杂技术难题，保障大规模线上服务的可靠运行。支撑data+AI 的AI智能能力。 3、引领技术创新与工程效能提升，主动追踪 AI 工程化、向量计算、实时数仓、智能调度等前沿技术趋势，推动先进技术在业务场景中的高效落地。

1. 负责情报团队的数据能力和体系建设，通过沉淀丰富的档案能力支持复杂多变的情报业务。 2. 重点围绕商品数据构建商品档案库、挖掘潜在业务领域知识，用数据提升业务效能，向业务前线直接贡献价值。 3. 通过深入理解业务及策略，抽象业务过程、沉淀可复用的数据洞察能力，提供系统性的解决方案。 4. 借助大模型实现日常数据开发的 Agent 工作流。

1. 智能测试架构设计：基于MCP（模型上下文协议）设计测试智能体（Test Agent）架构，实现测试计划生成、用例编写、脚本维护的自动化闭环。 2. Skill封装与工程化：将传统的测试经验（如代码审查、异常分析、边界值设计）封装为可复用的AI Skills，构建企业级测试技能库，赋能团队提效。 3. 自动化与自愈体系建设：利用AI技术解决UI自动化测试中的元素定位不稳定问题，实现脚本的自适应修复与智能调试，降低维护成本。 4. 全链路效能提升：推动“质量左移”，利用AI进行代码提交阶段的缺陷预测与风险识别，构建从需求分析到线上监控的智能质量防护网。