阿里云阿里云智能-通义大模型产品解决方案架构师-北京/深圳/杭州/上海
任职要求
1. 技术能力 （1）计算机相关专业本科及以上学历，3年以上服务端开发经验，精通Python/Java/Golang至少一门语言。 （2）熟悉大模型技术栈（如向量数据库、Prompt工程），了解主流框架（HuggingFace、LangChain、n8n等）。 （3）有大模型算法背景优先。 （4）加分项：有LLM应用开发经验（如RAG、Agent系统），熟悉主流云平台AI服务（Azure AI Foundry、GCP…
工作职责
1. 大模型商机孵化 （1）作为通义大模型产品团队代表，-针对复杂项目需求，协同前后团队与客户进行深度技术交流，促进商机转化，为结果负责。 （2）赋能阿里云前端业务线/行业线，深入理解消费电子、短剧、数据挖掘、教育等核心行业的业务流程与痛点，识别通义大模型应用的创新机会。 （3）洞察产品的市场机会、市场容量和竞争格局，基于行业洞察，评估大模型解决方案的可行性与商业价值，推动从“0到1”的场景拓展。 （4）针对复杂项目需求，协同前后端团队与客户进行深度技术交流，通过“行业洞察+技术验证”双轮驱动，促进商机转化并为结果负责。 （5）洞察产品的市场机会、市场容量和竞争格局，捕捉机会，找到方向并能影响前线和产研快速推动落地。 2. 产品解决方案设计与规模化落地 （1） 支持行业/区域的市场洞察，理解客户功能性与非功能性需求。基于“算力-数据-模型-平台-应用”五层架构，提供具备技术竞争力和成本优势的产品组合方案，并在招投标与选型中提供核心技术支持。 （2）聚焦Agent化转型与多模态融合趋势，设计智能体矩阵解决方案。负责大模型落地页、商业机会挖掘、Demo中心等平台服务端架构设计与开发，构建可插拔、标准化的模型缝合能力，实现中长尾客户“开箱即用”。 （3） 主导对客体验闭环：对接客户侧的功能、体验及效果问题。利用RAG/PE/SFT等技术手段降低幻觉风险，通过精准的Triage定位与技术方案交付，快速解决客户痛点，保障安全可控的内容输出。 （4）负责大模型服务的对客体验，对接客户侧功能和体验问题，负责相关问题的Triage、定位和推动问题的最终解决。 3. 产研协同与市场格局洞察 （1） 深入调研客户需求，将一线聚类需求准确反馈至模型与工程团队，帮助工程团队及能力中心架构师做出技术解决方案，驱动MaaS平台及模型能力的迭代发展。 （2）洞察大模型产业机会、市场容量及竞争格局。捕捉前沿技术趋势（如推理优化、MoE架构），为产品战略及前线业务落地提供强有力的技术支撑。 （3）深入调研客户需求，将合理需求准确地反馈到产品研发团队，负责改进需求在产品中的实现效果验收，帮助部门大模型/智能化相关产品的持续发展。
对通义大模型的合作项目提供技术支持，推动大模型及其衍生产品的商业化工作： 1. 大模型商机判断和深度技术交流： （1）赋能前端业务线/行业线，推动大模型场景业务快速拓展。 （2）作为通义大模型产研团队代表，支撑前线业务线开展商机判断和选择。 （3）针对复杂项目需求，协同前后团队与客户进行深度技术交流，促成商机转化，为模型的商业规模化结果负责。 2. 模型解决方案设计与规模推广： （1）支持行业/区域的市场洞察，理解行业客户的业务和功能性/非功能型需求，基于客户场景，提供有技术竞争力和成本优势的模型及产品解决方案，并在产品选型/配置报价/招投标过程中， 提供技术支持。 （2）提炼具有客户价值的关键技术指标，形成产品指标项，在POC、Winback等业务活动中落地验证。 （3）跟进产品方案的落地效果，推动持续优化产品方案。 （4）沉淀产品解决方案的最佳实践，通过项目实践总结标杆案例，加速产品方案规模化复制。 （5）探索创新产品的方案和场景，推动新产品快速市场覆盖。 3. 产品改进： （1）深入调研客户需求，将合理需求准确地反馈到产品研发团队，负责改进需求在产品中的实现效果验收，帮助部门大模型/智能化相关产品的持续发展。 （2）能够构建场景/领域/行业的合理商业benchmark，持续推动模型的行业领先性。 （3）识别模型的能力缺陷，发掘场景并促成有效数据合作，构建健康、长期的数据及闭源模型合作。 4. 推动通义模型生态运营，促进公司大模型周边生态伙伴的建设，为开发者提供全过程的赋能和支持。
对通义大模型的合作项目提供技术支持，推动大模型及其衍生产品的商业化工作： 1. 大模型商机判断和深度技术交流： （1）赋能前端业务线/行业线，推动大模型场景业务快速拓展。 （2）作为通义大模型产研团队代表，支撑前线业务线开展商机判断和选择。 （3）针对复杂项目需求，协同前后团队与客户进行深度技术交流，促成商机转化，为模型的商业规模化结果负责。 2. 模型解决方案设计与规模推广： （1）支持行业/区域的市场洞察，理解行业客户的业务和功能性/非功能型需求，基于客户场景，提供有技术竞争力和成本优势的模型及产品解决方案，并在产品选型/配置报价/招投标过程中， 提供技术支持。 （2）提炼具有客户价值的关键技术指标，形成产品指标项，在POC、Winback等业务活动中落地验证。 （3）跟进产品方案的落地效果，推动持续优化产品方案。 （4）沉淀产品解决方案的最佳实践，通过项目实践总结标杆案例，加速产品方案规模化复制。 （5）探索创新产品的方案和场景，推动新产品快速市场覆盖。 3. 产品改进： （1）深入调研客户需求，将合理需求准确地反馈到产品研发团队，负责改进需求在产品中的实现效果验收，帮助部门大模型/智能化相关产品的持续发展。 （2）能够构建场景/领域/行业的合理商业benchmark，持续推动模型的行业领先性。 （3）识别模型的能力缺陷，发掘场景并促成有效数据合作，构建健康、长期的数据及闭源模型合作。 4. 推动通义模型生态运营，促进公司大模型周边生态伙伴的建设，为开发者提供全过程的赋能和支持。
1、负责线下算力资源交付方案设计和落地实施，解决部署过程中遇到的软硬件兼容性和性能问题。 2、负责大模型交付方案设计和落地实施，解决部署过程中遇到的模型兼容性和性能问题。 3、负责Agent方案设计和落地实施，包括但不限于业务架构设计、智能体搭建、提示词工程、RAG和全链路优化等。 4、负责通义大模型和相关产品运维过程中的疑难问题排查、版本升级和性能诊断。
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；