哈啰生态治理产品经理

1 与设计师、后端工程师、产品经理以及测试团队紧密协作，共同参与需求讨论； 2 负责开发和维护公司内部业务系统； 3 对业务系统前端页面性能和交互进行优化，提升用户体验； 4 参与优化前端团队的开发流程和规范，提高团队的整体效率和代码质量。

1、负责面向海量终端多场景融合的云DNS系统的架构设计、核心代码开发与建设维护。 2、从自身系统稳定性基础上推进系统高并发、安全性等优化。 3、解决潜在系统技术风险，保障系统的安全、稳定、快速运行。 4、推进DNS云生态建设，包括但不限于DNS标准的创新与推广等。 1、技术方案设计 • 收集、识别、分析客户需求，并确定技术方案的目标、范围和交付成果。 • 基于需求分析，进行技术可行性分析和方案评审，选择合适的技术选型、功能设计、技术架构、数据架构和开发流程等。 2、技术实现 • 基于技术方案的拆解，按照任务目标和产出规范，完成任务/子任务的设计、编码开发和系统功能实现。 • 负责核心功能的架构与代码模板的编写，开发与维护系统公用核心模块，技术架构重构、优化等。 • 对编码进行阶段性的讨论和CodeReview，并通过调试优化，推动代码成功部署。 • 对开发中和部署后的程序进行必要的维护和迭代，包括值班oncall、升级工单处置、bug排查、问题诊断、产品体验改善、性能和成本优化等。 3、稳定性和性能优化 • 制定稳定性策略，寻找并解决产品系统中的潜在风险和瓶颈，覆盖线上疑难杂症问题，确保系统的安全可靠。 • 运用产品优化技术和方法，进行性能优化，提高产品稳定性和性能。 4、技术预研 • 跟踪和了解新的产品技术和趋势，根据业务需要提供新的技术支持和建议。 5、技术规划 • 理解业务战略及重点，基于业务需求作出高可用、高可靠、高拓展性的技术架构规划和落地。

1. 行业解决方案设计与交付 - 基于阿里云大模型技术（如通义千问），为银行、保险、证券等金融客户量身定制AI大模型解决方案，覆盖AI财富助手、智能客服、智能风控等核心场景。 - 深入理解客户业务痛点，提供从需求分析、技术选型到方案落地的全流程支持，确保大模型技术与金融业务深度融合。 2. 大模型全生命周期技术赋能 - 主导客户侧大模型后训练（Post-training）、领域微调（Domain-specific Fine-tuning）、模型蒸馏（Distillation）及多模态融合优化，提升模型在金融垂直场景的精度及性能。 - 优化大模型训练与推理性能，包括分布式训练加速（如DeepSpeed、Megatron-LM）、显存优化、量化压缩（INT8/FP16）及低延迟推理部署（如vLLM、SGLang）等。 3. 工程化落地与性能调优 - 解决金融场景高并发、高稳定性需求，设计高性能计算架构，优化模型在GPU/TPU集群的训练效率及端到端推理链路。 - 结合金融行业数据隐私与安全要求，设计符合监管的模型部署方案。 4. 客户技术赋能与生态共建 - 面向客户技术团队提供大模型技术培训、实战工作坊及POC验证，推动AI能力在客户内部的规模化应用。 - 沉淀金融行业大模型最佳实践，输出白皮书、案例研究及标准化解决方案，提升阿里云在金融AI领域的市场影响力。

1. 测试框架与工具开发 a. 负责 数据治理平台平台核心功能的测试用例设计、自动化测试脚本开发及测试框架搭建。 b. 基于大数据场景（如数据建模、任务调度、数据质量监控等）设计端到端测试方案。 2. 性能与稳定性测试 a. 针对数据处理流程（ETL、数据同步、任务调度）进行性能压测与瓶颈分析，保障高并发、大规模数据场景下的系统稳定性。 b. 设计并执行混沌测试、容灾测试等可靠性验证方案 3. 缺陷管理与质量保障 a. 使用缺陷跟踪工具记录、跟踪并推动问题修复，参与代码评审和测试覆盖率分析。 b. 协助产品团队优化数据开发流程，提升平台易用性与质量。 4. 技术协同与创新 ● 与研发、产品经理协作，参与需求评审、技术方案设计，提前识别潜在风险。 ● 探索 AI/ML 在测试中的应用（如自动生成测试用例、异常检测），推动测试效率提升。 ● 团队管理与协作 ● 团队建设：负责测试团队的人员管理、任务分配与绩效评估，制定团队目标并推动落地。 ● 流程优化：主导测试流程标准化（如测试用例管理、自动化测试策略），提升团队协作效率。 ● 技术指导：为团队成员提供技术培训与指导，推动团队技术能力提升。 ● 跨团队协调：与产品、研发、运维团队紧密合作，确保测试工作与业务目标对齐。 ● 资源规划：根据项目需求合理分配人力、工具和预算资源，保障测试工作的高效执行。