阿里巴巴阿里国际-AI 解决方案专家-杭州
任职要求
职位要求 1. 本科及以上学历，计算机、人工智能、运筹、供应链、数学统计等相关专业优先；5 年以上工作经验，有AI 应用 / 大模型相关落地经验者优先 2. 深入理解大语言模型的能力边界与典型范式，熟悉 Harness Engineering、RAG等Agent技术，具备判断"什么场景用什么路线、…
工作职责
职位描述 ● 业务场景洞察与模式重构：深入物流业务一线，在核心运营和经营场景上，系统性梳理物流全链路痛点与机会点，识别高价值 AI 切入场景，审视和设计业务流程（如AI 原生方案替代、新业务形态构建、人机协作的最优边界等） ● AI 解决方案设计：主导 AI 解决方案的端到端设计，涵盖场景定义、数据链路、模型选型与人机协同机制。参与 Prompt 策略设计与调优，搭建 RAG 知识体系，编排 Agent 工作流与工具调用，沉淀可复用的组件资产。方案能兼顾可行性与业务 ROI。 ● 效果分析迭代与落地协同：建立 AI 解决方案的评测体系，定义 Benchmark，搭建自动化回归与问题归因机制，通过数据分析持续追踪方案效果并驱动迭代优化；与运营、产品、技术等合作方高效协同，推动方案从 Demo 走向生产；将 AI 能力转化为部门可共享的方法论与工具资产。 ● 前沿技术追踪与方案研究：关注AI 与物理世界相结合的变革趋势，持续跟踪大模型、Agent、具身智能等前沿技术进展和物流行业应用，将外部最佳实践转化为新物流模式重塑。
1、AI 智能服务方案设计，在客服场景中识别 AI 可解场景，设计解决机制与效果预估指标评估 ROI； 2、提示词设计与模型优化，编写和优化提示词，通过 A/B 测试、badcase 分析等方式持续提升模型准确性，建立提示词版本管理和效果评估体系； 3、协调产品和技术产出需求分析与方案输出，明确问题价值与解决方案与技术团队对接需求，推动 AI能力落地撰写产品功能说明、操作手册等文档监控上线效果，基于数据反馈持续优化；
1. AI Native 采购流程架构设计与落地：将AI能力深度嵌入采购全生命周期——从需求感知、供应商寻源、智能比价、策略辅助、自动下单、履约跟踪到对账结算，识别并打通全流程中可无人化或人机协同的关键节点，建立端到端自动化工作流； 2. 数字采购员（AI Agent）的孵化与运营：设计、训练并持续迭代数字采购员，使其能够覆盖标准采购场景（如 供应商入库、自动下单、合同签约等）的全流程自动执行。定义数字采购员的能力边界、决策权限、人机交接机制，并建立持续优化闭环； 3. 采购AI Skills体系沉淀：构建可复用、可组合的采购AI技能库（Skills），涵盖招投标方案、风险检查、智能比价等等。建立Skills的版本管理、效果评估和迭代机制，让组织能力从"个体经验"升级为"系统资产"； 4. AI技术选型与前沿应用探索：持续跟踪大模型、Agent框架、RAG、多模态、代码生成等前沿AI技术演进，评估其在采购场景的应用潜力，参与AI工具/平台的路径选型、试点和规模化落地； 5. 采购数据与知识基建：搭建支撑AI应用的高质量数据底座，包括供应商知识库、历史谈判/合同语料库、品类策略知识图谱、市场价格基准数据等，确保AI的"燃料"充足且持续更新。
需求分析与场景识别 了解一个或多个领域的业务知识，能够跟客户有效沟通和洞察真实需求，并识别出可以使用人工智能技术的场景 技术判断与解决方案 理解机器学习、深度学习、大模型的基本原理， 能够基于客户的需求，基于云+AI的产品设计出适合的解决方案，具备智能体开发demo的能力， 并可以向客户的业务/技术决策人阐述阿里云产品和解决方案的优势，以影响客户的技术选型决策 产品需求反馈与优化 依据市场/客户需求、技术动态，结合技术研判向产研部门反馈大模型应用解决方案及Agent工具等的优化建议，推动技术创新和解决方案的迭代升级，提升产品市场竞争力和市场占有率 市场敏感与扩展复制 挖掘可复制、可规模化、符合市场逻辑的大模型解决方案，通过客户案例的落地对成功实践进行总结归纳完成从0到1；并对内部团队及客户进行知识和项目分享，促进从1到N的复制
1.需求分析与场景识别： 了解一个或多个领域的业务知识，能够跟客户有效沟通和洞察真实需求，并识别出可以使用人工智能技术的场景 2.技术判断与解决方案： 理解机器学习、深度学习、大模型的基本原理， 能够基于客户的需求，基于云+AI的产品设计出适合的解决方案，具备智能体开发demo的能力， 并可以向客户的业务/技术决策人阐述阿里云产品和解决方案的优势，以影响客户的技术选型决策 3.产品需求反馈与优化：依据市场/客户需求、技术动态，结合技术研判向产研部门反馈大模型应用解决方案及Agent工具等的优化建议，推动技术创新和解决方案的迭代升级，提升产品市场竞争力和市场占有率； 4.市场敏感与扩展复制：挖掘可复制、可规模化、符合市场逻辑的大模型解决方案，通过客户案例的落地对成功实践进行总结归纳完成从0到1；并对内部团队及客户进行知识和项目分享，促进从1到N的复制；