阿里巴巴企业智能事业部-AI Agent研发专家-杭州
任职要求
1. AI-Native 思维（必备）：伴随 AI 时代成长，将 AI 视为思维方式与基础工具而非附加项；习惯用大模型 / Agent / Copilot 重构自己的工作流（写代码、查资料、做设计、跑实验），并能将这种思维范式带入团队与系统设计中。具备一定年限的实战经验，能输出"AI-Native"理念下的真实产出，而非仅停留在概念层。 2. 模型能力地图（必备）：熟悉当前主流大模型（Claude / GPT / Gemini / DeepSeek / Qwen / Kimi 等）的能力特征与边界——知道哪个模型适合写代码、哪个适合长上下文、哪个适合 Agent 调度、哪个适合多模态；能根据任务特点和成本预算做出合理选型，而不是"无脑用一个模型打天下"。 3. Agent 工程与 Harness 实战（必备）：熟悉业界主流 AI CLI / Coding Agent 工具链（如 Claude Code、Codex、Cursor、Aider、Continue、Cline 等），用过、对比过、踩过坑；对 Agent 架构玩法（ReAct、Plan-and-Execut…
工作职责
1. 架构设计与技术主导：独立负责中大型项目的系统分析与架构设计，主导核心模块的方案选型与代码落地，确保业务需求高质量、可持续地交付。 2. 大模型与 Agent 技术研发：深度参与大模型与 Agent 相关技术的研发与落地，覆盖意图理解、记忆机制、工具调用（Tool Use）、任务规划（Planning）、多智能体协同（Multi-Agent）等关键模块。 3. AI 能力工程化落地：推动 AI 能力在交付与运维场景中的深度集成与创新应用，构建高性能、高可用、可扩展、开箱即用的工程体系。 4. 技术影响力：制定团队技术规范与最佳实践，参与技术评审，培养并指导团队成员，持续提升团队整体技术水位。
1. 负责企业级办公Agent 技能市场产品/平台能力的设计和研发，包括前台产品能力、运营中心、开放对接能力等，打造企业办公易用/安全/统一的技能市场，加速AI在办公场景的大规模应用。 2. 参与搜索/意图识别等相关能力的设计和研发，涉及企业内部海量知识的接入/加工、搜索在/离线能力的建设（索引构建、意图识别、粗排/精排等），建设企业办公统一的搜索能力，同时结合技能市场的消费需要，提供高质量的findskill能力。
1、参与企业办公网络产品核心 AI 业务研发，将 AI 与零信任结合，协同周边团队保障系统工程质量与稳定性； 2、深入网络业务，挖掘 AI Agent 在流量智能调度、网络链路诊断、协议解析管控、异常终端行为分析等垂直场景的需求，解决专业网络问题； 3、基于 LangGraph、CrewAI 等最新框架，实现大模型能力的编排与调用，完成意图理解、记忆机制、网络工具调用及多智能体协同等核心技术模块开发。
1. 负责企业级办公Agent技能市场（SkillHub）的迭代，涵盖技能市场、运营后台、开发者后台三大模块，从产品规划到上线，推动技能生态的规模化增长与用户体验提升； 2. 深入开发者与用户的双边需求洞察，围绕技能发现、安装、评价、审核、推荐、上架、调试、版本管理等核心链路，完成业务抽象与产品设计，构建可持续的AI能力生态； 3. 对Agent框架（如OpenClaw、Claude code等）及其技能/插件体系有深入理解，能够抽象技能接入规范、协同定义开发者kit，降低第三方技能接入门槛； 4. 深入阿里的业务协作、办公AI场景的挖掘、核心AI能力的建设，完成用户洞察及业务抽象，推动产品的持续迭代创新与优化； 5. 针对每一个产品功能制定出对应可量化指标，负责产品的数据分析和优化，通过数据分析提升产品的用户体验和用户价值。
聚焦于企业级数字化管理场景（包括人力资源、财务、法务、数字化办公等），参与构建面向企业智能运营的数据智能体系，主导AI驱动的数据资产建设、高质量评测机制、数据治理标准及安全合规框架，并与业务团队紧密协作，规划并落地高价值的AI应用场景，推动Data + AI在企业管理领域的深度融合与创新落地。 1、围绕HR、财务、办公等企业核心业务流程，探索端到端的Data + AI解决方案并推动产品化落地。 2、主导构建面向企业场景的大模型/多模态模型评估体系，设计覆盖准确性、合规性、可解释性等维度的自动化评测平台，建立“评测-反馈-优化”闭环机制。 3、负责企业核心业务域的AI数据化建设，构建高质量、结构化、可复用的数据资产与特征库，支撑AI场景的模型微调与应用。 4、主导推动AI数据开发提效，建设DataOps工程体系及工具链，显著缩短从需求到上线的周期，提升数据质量、稳定性与研发效率。 5、持续跟踪及探索Data + AI方向的行业进展（如Data Agent、AIOps、湖仓一体智能优化等），主动开展技术预研与原型验证，推动先进技术在公司中的适配与规模化应用。 6、主导AI应用的工程化落地，建设从Prompt/RAG/Agent编排、服务部署、在线监控到持续迭代的全链路AI工程体系，保障AI能力可交付、可观测、可扩展、可运维。 7、负责设计并实现面向企业场景的AI服务架构，包括模型推理加速、缓存机制、向量检索、上下文管理、工具调用编排等核心能力，支撑复杂业务场景下的高并发、低延迟与高可用。