阿里云阿里云智能-AI应用&模型产品运营专家-杭州
任职要求
1. 5年以上B端互联网产品运营经验，或3年以上开发者运营等技术垂类运营相关经验及云产品相关经验。
2. 熟悉大模型技术领域，能综合运用2B的传播运营工具及方法，进行人工智能产品或服务的活动策划和执行，包括线上活动、线下活动、促销营销转化活动等。
3. 对用户使用场景有深刻的认知，能在产品定价、产品文档、功能设计等多维度给出有效建议，提升产品自助解决问题的能力。
4. 理解产品关键技术原理，熟悉产品相关文档，能解答开…工作职责
1. 洞察人工智能/大模型产品相关的市场机会、行业场景，快速捕捉市场热点和客户业务痛点，挖掘产品商机，行业方案，跨部门合作快速推动落地，形成产品竞争力。 2. 监控并分析产品运营数据，且善于发现和总结行业痛点，并能够挖掘出可与现有产品或技术相结合的潜在需求，协同产研，推进创新功能或创新产品的落地，推动产品升级迭代和竞争力的持续改善，并基于此开展个性化的营销活动。 3. 对大模型效果有较强的敏锐性，能结合行业场景建立业界评测标准，协同算法团队，保障大模型商业化能力形成领先竞争力。 4. 熟悉大模型技术领域，能综合运用2B的传播运营工具及方法，进行人工智能产品或服务的活动策划和执行，以官网、市场、高校等活动为手段，牵引商机的引入，形成营销转化闭环，有ROI意识。 5. 监控运营效果，定期产出内容效果报告，并根据数据分析结果进行内容优化调整。并协同产品、市场和销售团队，确保内容运营活动与商业目标和营销活动紧密对接，拟定可落地的前线例子分发及销售激励策略。
1、Data Agent 开发与迭代： 负责数据智能问答 Agent 的核心能力开发，包括多轮对话、归因分析、SQL 生成、Python 分析节点等。 2、RAG 与知识库建设： 基于 RAG 技术构建业务知识库，支持语义搜索、知识图谱自动提取、业务术语管理等能力，提升 AI 生成查询的准确度。 3、MCP 与 AI 数据底座： 参与数据访问 MCP Server 等统一 AI 数据底座的开发，支持数据源动态管理、权限隔离、元数据同步等核心能力。 4、AI + 数据可视化： 开发看板智能总结、图表归因分析、报表自动生成等 AI 驱动的数据可视化功能，降低用户数据分析门槛。 5、业务场景落地： 将 AI 能力在游戏运营、研发管线、质量分析等核心业务场景中深度落地，与业务方紧密协作，持续优化分析体验。 6、技术前瞻与工程落地： 跟踪 AI Agent、LLM 应用等领域最新进展，负责从技术 Demo 到生产级服务的快速转化。
我们正在构建内部 Agent Benchmark 评测体系，聚焦 Coding Agent 方向，系统性地度量和驱动 AI 编程能力的提升。你将深度参与评测基准的设计、数据集构建、自动化评测平台搭建等核心工作，直接影响产品的技术演进方向。 工作职责 1. Benchmark 体系设计与构建：针对 Coding Agent 场景（代码理解、代码生成、代码重构、Spec Coding、代码 Review、Bug 修复等），设计多维度、多粒度、支持多轮对话的评测基准，覆盖端到端任务完成度、代码质量、工具调用准确性、推理链路合理性等核心指标； 2. 评测数据集建设：构建并持续维护高质量评测数据集（Golden Dataset），设计覆盖不同语言、不同复杂度、不同工程场景的测试用例，确保数据集的区分度和代表性； 3. 自动化评测平台开发：搭建自动化评测 Pipeline，支持多模型/多 Agent 的批量评测、结果对比与回归检测，实现评测流程的标准化和可复现； 4. 竞品对标分析：跟踪业界主流 Coding Agent 产品（如 Claude Code、Codex、Cursor、Copilot等）以及 Benchmark（SWE-Bench、HumanEval、Terminal-Bench、OctoCodingBench、WildClawBench、GAIA、WebArena、AgentBench、ToolBench 等），完成专项对比评测并输出分析报告； 5. 评测方法论研究：探索 LLM-as-Judge、对抗性测试、人机混合评估等前沿评测方法，持续迭代评测体系的科学性和有效性； 6. 结果可视化与洞察输出：开发评测报告自动生成能力，提供可视化的评测看板，将评测结论转化为可落地的产品优化建议。
1、参与企业真实 AI 场景落地，积累实战经验，表现优秀者可优先留用。 2、主要AI应用方向为，市场营销管理，AI在内部的财务类场景应用。
1. 核心算法优化：参与半导体领域核心算法优化工作，包括但不限于基于机器或深度学习进行异常检测、时序建模、图像算法等构建； 2. 算法效率与精度提升：协助团队提升算法运行效率与精度，解决实际业务中的技术难题； 3. 数据建模与分析：负责半导体相关数据的建模与分析，收集、清洗、预处理半导体生产过程数据、器件测试数据等，运用数据挖掘技术挖掘数据背后的规律与关联，为业务决策提供数据支撑； 4. 文档撰写：协助团队完成算法与模型的文档撰写工作，包括技术方案文档、实验报告、模型说明文档等，确保技术成果的可追溯性与可复用性； 5. 前沿技术跟踪：跟踪半导体领域算法与机器学习技术的前沿动态，参与技术研讨，为团队技术创新提供思路与建议。