阿里云阿里云智能-AI知识工程师-技术内容团队-Qoder方向- 杭州/北京
任职要求
‒ 快速学习能力：能快速吸收技术写作专业知识、掌握云计算相关产品知识，以及理解复杂的技术概念和原理； ‒ 软技能：出色的书面和口头表达能力，能以通俗易懂的编写符合用户视角的技术文档，能与各种角色的同事保持顺畅沟通；脚踏实地的工作态度和较强的时间管理能力； ‒ 编程技能：熟悉计算机原理、计算机网络、操作系统、数据结构与算法，具备编程能力，至少掌握一门编程语言，如：Java、Python、Go、JavaScript； ‒ 语言能力：…
工作职责
作为**知识工程师（Knowledge Engineer，KE）**，你将站在技术与用户之间的关键交汇点，成为阿里云和通义产品技术知识体系的“翻译者”与“构建者”。你不仅是文档的撰写者，更是用户视角的深度洞察者、产品理念的精准传递者，以及AI时代下内容生产范式的革新者，用世界级的内容，点亮每一个用户的云之旅。 在这个角色中，你将融合传统内容运营、技术写作与AI工程的多重能力，基于大模型驱动的内容生成新范式，重构从“技术理解”到“用户认知”的全链路体验。你所产出的不只是文档，而是帮助用户快速上手、深入理解、高效决策的认知工具——让复杂的云架构变得可读、可感、可行动。 ‒ 按照集团技术内容规范与标准，为产品编写面向客户的技术文档，包括但不限于产品介绍、用户操作指南、教程、最佳实践、故障排除、开发指南、API/SDK参考等； ‒ 为技术文档编写必要的示例代码，帮助客户更快地了解产品能力； ‒ 通过开展调研和分析获取用户洞察，并据此制定内容改进方案，以提升技术文档质量； ‒ 深刻理解大模型原理，以构建agent 的方式，将AI 应用到技术文档的生产流程； ‒ 维护编写、改进和发布文档的风格指南和最佳实践。
1. 参与各类业务及平台类项目的系统分析与设计工作，主导技术难题，攻关海量请求下的高并发系统的设计； 2. 探索基于大模型的营销内容生成技术，并结合业务场景特性推进实践落地； 3. 参与并主导企业级的AI Agent平台型产品需求分析、架构设计、研发与持续迭代演进； 4. 推动智能体在金融、风控、营销、企业服务等To B领域落地并取得业务价值。
1. 负责大模型在业务场景中的架构设计与工程化落地，综合运用RAG、AI Agent、Function Calling、Prompt Engineering等技术，构建端到端AI应用，包括知识库构建、向量检索集成、AI工作流编排及与业务系统的深度对接。 2. 负责大模型的生命周期工程管理，基于百炼、ModelScope、Hugging Face 或 LLaMA-Factory 等平台，开展模型微调（SFT/LoRA/P-Tuning/RLHF）、部署、监控与持续迭代； 3. 设计并实现面向业务目标的自动化评测体系，结合人工评估与自动指标（如F1、BLEU、ROUGE及业务定制指标），驱动数据闭环与模型迭代。 4. 开发高可用、高并发的应用服务，通过优化推理API性能、缓存策略与系统架构，保障服务稳定性与可扩展性。 5. 能够跨职能协同产出，与产品、UI/UX、测试及运维等团队紧密协作，推动AI功能从原型验证到规模化上线的全链路交付。
1. 参与各类业务及平台类项目的系统分析与设计工作，主导技术难题的攻克工作，不断学习前沿的AI技术，并且能够应用到业务产品实践中； 2. 探索基于大模型的数据内容生成技术，并结合业务场景（医疗）特性推进实践落地； 3. 参与并主导企业级的AI Agent业务型产品需求分析、架构设计、研发与持续迭代演进； 4. 推动智能体在医疗，汽车，金融等To B领域落地并取得业务价值。
1. 结合同花顺大模型等相关AIGC技术，参与全球内容平台系统开发，建设国内外资讯、视频等海量内容全品类全市场内容接入、智能审核、识别理解等能力，基于算法及分发策略实现Feeds、社区、问财等金融场景的信息精准分发，构建内容从生产、理解到分发的全生命周期链路，持续完善内容运营平台能力支撑国内及国际资讯业务发展； 2. 参与我们的NLP及其大模型应用落地项目，包括但不限于算法设计、数据标注和模型优化；基于大模型进行内容创作平台开发，利用大模型的语义理解能力、AI绘图能力和我们丰富的数据优势，针对金融场景进行自动化的文章创作及对热门事件深度解读，支撑国际化金融场景； 3. 理解并评估NLP特别是大模型方向的最新论文及技术成果，帮助团队保持对国际当前前沿研究动态的了解，与团队合作，将研究成果用于提升同花顺国内国际相关金融场景产品能力；