阿里云阿里云智能-研发效能AI转型专家-研发效能优化与AI技术落地结合

职位描述 1. 主导专有云整体研发体系的AI转型，识别并落地高价值AI场景（如智能编码、自动化测试生成、缺陷预测、AIOps、效能度量等），推动AI能力嵌入需求、开发、测试、部署、运维全链路； 2. 设计端到端的AI工程解决方案，包括数据 pipeline、模型选型与优化、服务部署、效果评估及安全合规机制，确保方案可复用、可度量、可持续演进； 3. 构建轻量级AI基础设施（如Prompt管理平台、向量服务、模型推理框架），降低各技术团队接入门槛，并通过方法论输出、工具链共建和培训赋能组织级AI能力； 4. 定义专有云AI工程标准与演进路径，评估前沿技术（如Code LLM、AI Agent、智能运维）的适用性，推动组织级AI能力建设与技术债务治理。

职位概述 本岗位聚焦储能智能产品全链路软件质量保障，涵盖嵌入式软件测试与 App 软件测试两大核心方向，同时承担 AI 测试能力的探索与落地，是推动储能产品质量体系智能化升级的关键角色。在这里会有技术成长和AI 赋能的双重成长。深耕储能智能产品全链路测试体系（嵌入式 × App × 云端），成长为垂直领域质量专家，主导 AI 测试平台建设，探索大模型在测试用例生成、缺陷智能分析、回归自动化等方向的工程化落地；同时，公司战略级推进 AI 转型，你将成为「AI × 测试」领域的先行实践者，参与内部智能测试工具的从 0 到 1 建设，海量真实储能场景数据 + AI 分析能力，助力测试洞察效率实现跨越式提升。 工作职责 1. 主导储能产品系统级功能测试与性能测试，制定并执行完整的测试策略； 2. 依据行业规范与产品标准，系统设计测试方案与测试用例，确保覆盖率与有效性； 3. 独立搭建测试环境，完成功能验证、用户场景模拟及真实使用场景体验测试； 4. 精准定位并跟踪测试缺陷，协同研发团队高效闭环，保障版本质量达标； 5. 系统整理测试数据，输出规范测试报告，持续提出并推动质量改进落地； 6. 探索 AI 辅助测试能力的工程化落地，包括基于大模型的测试用例生成、缺陷智能分析及回归测试自动化，推动团队测试效能升级。

【岗位职责】 1. 组织诊断与效能提升 (OD) -深入业务一线，理解算法团队的技术目标与痛点； -充当技术管理者的“参谋”，协助进行组织架构调整、核心人才盘点及梯队建设，解决团队“成长的烦恼”。 2. 关键人才与文化 (Talent & Culture) -人才把关： 不仅仅是招聘，更要协助业务识别技术人才的“软素质”，提升团队整体人才密度。 -氛围打造： 建立适合高智商群体的简单、透明、逻辑自洽的沟通机制，减少行政内耗，保护创新火花。 3. 管理者赋能 (Coaching) -辅导技术管理者（尤其是刚从专家转型的Team Leader）提升管理软技能； -帮助他们在“技术决策”与“团队管理”之间找到平衡，处理复杂的团队关系。 4. 机制落地 (Execution) -设计符合研发特性的绩效与激励方案，避免唯KPI论，平衡“业务落地”与“技术探索”的考核权重。

1. 负责新一代AI驱动的PC产品质量保证工作与团队建设，主导质量团队的组织架构设计、人才梯队培养及绩效管理，打造一支具备系统底层、应用上层及 AI 评测能力的复合型质量团队，对最终产品交付质量与用户体验负责； 2. 构建覆盖“安卓系统-上层应用-AI Agent"的全链路质量保证体系。主导跨域质量架构设计，解决终端稳定性兼容性、云边端协同、分布式系统一致性、AI非确定性输出等复杂质量挑战，制定统一的质量门禁与发布准出标准，确保端到端交付质量； 3. 引领测试技术的智能化转型，探索"AI for Testing"与"Testing for AI"双轮驱动模式。一方面将 AI 能力融入自动化测试、用例生成、缺陷分析等环节提升效能；另一方面建立针对 AI Agent/LLM 产品的专项评估体系（如准确性、安全性、幻觉检测），解决非确定性输出的质量挑战，保持行业技术领先性； 4. 主导测试能力平台化与服务化建设，构建系统级、应用级、服务端及 AI 评估的自动化用例库。推动质量能力与 CI/CD 流水线深度集成，实现代码变更的自动化质量卡点。打造自助式质量验证平台，赋能研发、运维及合作伙伴，降低质量验证门槛，提升整体交付效率； 5. 建立多维度的质量度量体系，结合线上监控、灰度发布数据及用户反馈，驱动质量问题的根因分析与持续改进闭环，对线上重大质量事故负责，建立快速响应与防御机制，保障业务连续性。