阿里云阿里云智能-AI Coding产品解决方案架构师-深圳
任职要求
1、本科及以上学历，计算机科学、软件工程或相关理工科专业。 2、3年以上软件研发经验，熟练掌握Java、Python、Go、TypeScript中至少两种语言的工程实践；深度使用过至少一款AI编程工具（Copilot、Cursor、通义灵码、Trae等），能清晰说明大模型代码生成的能力边界与常见失败场景。 3、2年以上售前解决方案、技术咨询或客户面对面交付经验，独立完成过中大型企业…
工作职责
你将作为AI编程产品面向企业客户的技术代言人，在售前阶段独立完成从需求调研到方案交付的全过程。核心工作是把客户在软件研发效率上的真实痛点，转化为可落地的AI编程解决方案，并通过技术演示和POC验证赢得客户信任，直接推动项目签约。 你日常会做的事： 独立对接企业客户的CTO、架构师和一线研发负责人，通过现场或远程调研，快速理解客户的技术栈、研发流程和效能瓶颈，在一周内输出针对性的AI Coding落地方案，包括部署架构、接入策略和预期效果量化。针对金融、制造、互联网等不同行业客户，主导技术方案宣讲和产品演示，能够现场用客户自己的代码库做实时演示，展示代码补全、代码审查、单测生成等核心场景的实际效果。在POC阶段，协调研发和交付团队完成私有化部署或SaaS对接，跟踪试用数据（如代码采纳率、研发提效比），用数据说服客户决策层。将客户反馈的高频需求和竞品对比信息，定期同步给产品和研发团队，直接参与产品迭代讨论，确保产品方向贴合市场真实需求。 我们希望你具备： 3年以上软件研发经验，写过生产级代码，能看懂Java、Python、Go、TypeScript中至少两种语言的工程项目，这样你才能在客户面前做到技术对话不掉链子。有实际使用AI编程工具（如Copilot、Cursor、通义灵码、Trae等）的经验，理解大模型在代码生成、补全、重构等场景的能力边界和典型失败模式，而不只是"用过"。做过售前解决方案、技术咨询或客户成功中的至少一种角色，能独立面对企业客户的技术高管完成方案汇报，有处理过5个以上中大型客户项目的经验。能用清晰的结构把复杂技术讲给非技术决策者听，方案文档和演示材料可以独立产出，不需要别人帮你"翻译"。 如果你还有这些经历会更好： 了解企业级软件研发全链路工具（CI/CD、代码托管、制品管理等），能将AI Coding方案嵌入客户现有的DevOps体系中做整体设计。有私有化部署经验，理解企业对数据安全和合规的顾虑，能主动给出网络隔离、模型本地化等技术应对方案。跟踪过RAG、Agent、MCP等技术在编程场景的应用进展，能向客户清晰解释这些技术如何提升代码生成的准确性和上下文理解能力。
我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 1、参与设计实现支持RLHF/DPO等对齐技术的高效训练框架，优化强化学习阶段的Rollout、Reward Model集成、多阶段训练 Pipline； 2、研发支持多机多卡 RL 的分布式训练框架，开发TP/PP/ZeRO-3与RL流程的动态协同机制，解决 RL 算法在超长时序下的显存/通信瓶刭 3、构建端到端后训练工具链，主导框架与 MLOps 平台集成，提供训练可视化、自动超参搜索等生产级能力 4、与公司各算法部门深度合作，参与大语言模型LLM、多模态大模型 MLLM等业务在 SFT/RL领域的算法探索和引擎迭代； 5、参与分析各业务 GPU 利用率与饱和度等指标，结合业务场景持续优化训练框架能力，提升框架领先性。
【业务介绍】 作为公司统一的机器学习平台团队，负责调度公司所有模型训练与推理资源；基于自建的训推引擎，构建公司统一的机器学习平台，为公司所有算法同学（稀疏 & 稠密，含 LLM） 模型迭代提供端到端的一站式服务；包括 数据生产，模型训练，模型上线，特征管理，模型测试，资源管控等一系列能力。 【岗位职责】 1、负责机器学习链路，离在线数据相关的开发工作，包括样本数据、特征数据等的数据链路搭建、任务运维和调优、性能优化等 2、负责小红书大规模机器学习平台的后台系统设计和开发工作；包括样本平台，特征平台，训练平台，推理平台等AI应用后台建设等； 3、研究分析业内AI平台产品，优化技术方案，改进产品功能，完善产品体验。
我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 工作职责： 1、参与/负责研发面向大语言模型(LLM)/多模态大模型(MLLM)等类型模型的推理服务框架； 2、参与/负责KV Router、PD分离/EPD分离、KVCache管理、动态PD调整等分布式推理能力建设； 3、通过并行计算优化、分布式架构优化、异构调度等多种框架技术，打造高效、易用、领先的AI推理框架； 4、参与/负责构建推理框架的系统容错能力，包括但不限于请求迁移、优雅退出、故障检测、自愈等能力建设； 5、深度参与周边深度学习系统多个子方向的工作，包括但不限于模型管理、推理部署、日志/监控、工作流编排等； 6、与全公司各业务算法部门深度合作，为重点项目进行算法与系统的联合优化，支撑业务目标达成。
大模型具备很强的泛化及理解世界能力，在小红书内的众多生产场景遍地开花，大模型的训练和部署已成为许多算法工程师的日常。在多团队、多业务频繁使用的大规模GPU集群上，如何能够通过高效的GPU调度策略，使大家不仅能丝滑地完成训练及部署任务，同时也能充分激发大规模GPU集群的效能，是行业公认的关键挑战。在这里，你可以聚焦LLM场景，接触到超大规模GPU集群，并使用真实负载数据进行深入分析及技术探索。欢迎加入我们，一起探索领先技术改变世界！ 工作职责： 1、负责万卡规模GPU集群效能分析及优化，通过调度策略优化、在离线混部、集群调度、GPU虚拟化、故障快速恢复、存储&网络加速等手段，提升大规模GPU集群的整体使用效率。 2、负责构建面向大模型训练、微调、推理、部署全流程LLMOps，与下游云原生平台深度融合，支撑大模型在公司内各业务生产链路稳定高效地落地。 3、持续关注业界最新的GPU资源调度相关技术动态，探索建设业界领先的资源调度策略及方法，构建下一代大规模AI资源调度系统。