阿里云阿里云智能-AI中间件高级开发工程师-杭州
任职要求
1. 精通 Java / Go / Python 至少一门语言，具备扎实的系统设计与工程实现能力； 2. 熟悉 LLM 应用架构，理解 Tool Use、RAG、Agent Memory、MCP、A2A、上下文管理等核心机制，有实际 AI Agent 开发或生产部署经验； 3. 具备高并发、高可用系统建设经验，对稳定性、可观测性、弹性扩缩容有深刻理解； 4. 有强烈的产品意识和落地导向，能从复杂场景中抽象出通用中间件能力； 5. 有强烈技术热情和好奇心，自我驱动能力和学习能力强； 6. 具备良好的分析解决问题的能力、沟通以及团队合作能力； 7. 喜…
工作职责
阿里云 AI 中间件团队致力于构建面向 AI 原生时代的新型基础设施，打造支撑万亿级 token 调用的高可用、高性能、可治理的 AI Agent 运行底座。我们主导开源项目 AgentScope(AI Agent 开发框架)、Higress(AI 网关)、Nacos(AI Registry)，在继承 Dubbo、Nacos、Higress、Sentinel 等经典中间件能力基础上，为阿里内部 Qwen-APP、百炼、PAI 等核心 AI 产品提供统一AI基础设施。 1. 设计并研发 AI Agent 核心中间件，包括但不限于 Agent 开发框架 AgentScope 、Agent/MCP 注册中心、Prompt/Skills 配置中心、AI Memory 服务等，构建端到端的 Agent 开发、部署与运行体系； 2. 负责 AI Agent 的工程化落地与治理，构建 AI Agent 的效果与高可用治理体系，实现灰度发布、效果评估、安全拦截、故障自愈、成本监控等能力，确保 Agent 在大规模调用下的稳定性、可控性与经济性； 3. 负责下一代 AI 原生应用架构的演进，主导 AI 中间件的整体设计与核心功能研发，探索 AI Agent 与大模型领域的前沿方向，推动 AI 原生应用架构的技术标准制定与社区影响力建设，并促进其在内外部的大规模落地； 4. 推动开源与产品双轮驱动，通过 Higress、AgentScope、Nacos 等项目扩大社区影响力，同时将前沿能力沉淀为 MSE、AI 网关等商业产品，支持内外部客户大规模落地。
团队介绍： 我们聚焦全球技术底座建设，围绕研发设施、智能运维、全球网络及大模型服务四大核心领域，搭建全栈智能化工程平台体系，为全球业务稳健扩张与高效运转筑牢稳定、高效和合规的技术基石。 职位描述： 以技术创新驱动研发模式升级，打造覆盖研发协作、智能编码、智能测试的全流程智能体系，落地高效业务解决方案并深化DevOps文化。深耕运维合规与效能，建成符合欧盟标准的海外智能运维平台，完成IaaS、PaaS、SaaS全层级产品迭代；依托全球网络资源，实现资源统一管控、网络拨测、网关标准化及数据中心验收全流程规范化，全方位保障用户体验。同时，对标行业领先标准打造海外大模型服务路由平台，打通模型采购、安全管控、服务管理及成本管控全链路，严守数据安全底线。 1、负责全球化网络基础设施与中间件的开发与优化，确保系统的高效稳定运行，支持大规模电商以及AI应用场景。 2、参与系统架构设计，确保中间件和网关的性能、可维护性和可扩展性。 3、跟踪AI技术发展趋势，持续改进现有解决方案，提升团队的技术竞争力。
1. 负责设计和实现商家经营场景下，复杂任务的多步骤规划执行的能力 2. 负责关键AI技术的引入、实现、落地 3. 负责建立大模型应用领域的基建要求并解决相应问题，如效果评测、数据质量、安全等 4. 负责定位、分析商家经营链路中的智能化需求点，并设计相应的解决方案 5. 负责商家智能化CRM产品、智能经营分析和多轮问答等产品的开发落地升级 6. 负责高阶商家日常经营和商家成长的需求开发落地 7. 负责针对重点分类下的商家设计相应的解决方案，综合利用业务和技术手段，实现商家增长
1. 负责开放平台后端核心模块的设计与开发，参与AI模型服务化封装、开放平台接口开发、异步任务调度系统构建； 2. 实现AI服务的高可用、高性能部署方案，支持大规模并发请求； 3. 构建面向个人开发者和企业合作伙伴的软硬件的解决方案； 4. 与算法团队协作，推动算法模型高效集成至平台，推进AI开放平台工程化建设，提升系统的稳定性、可扩展性和可观测性； 5. 把握行业的前瞻技术发展趋势，基于业务场景，结合新技术、新形态，推动技术创新性产品落地。
1. 负责开放平台后端核心模块的设计与开发，参与AI模型服务化封装、开放平台接口开发、异步任务调度系统构建； 2. 实现AI服务的高可用、高性能部署方案，支持大规模并发请求； 3. 构建面向个人开发者和企业合作伙伴的软硬件的解决方案； 4. 与算法团队协作，推动算法模型高效集成至平台，推进AI开放平台工程化建设，提升系统的稳定性、可扩展性和可观测性； 5. 把握行业的前瞻技术发展趋势，基于业务场景，结合新技术、新形态，推动技术创新性产品落地。