阿里云阿里云智能-AI架构与后端工程师（ABE）-杭州

任职要求

‒ 系统架构能力：能从 Spec 审查出发设计架构蓝图，选择合适技术栈，通过合理服务拆分、数据建模、接口设计和治理机制，保障系统高可用、可扩展、可观测与安全性。
‒ 业务抽象能力：能识别复杂业务中的实体、关系、状态、规则和边界条件，将模糊需求转化为确定性的领域模型和系统契约。
‒ Agent 工程能力：理解 Agent、RAG、MCP、工具调用、多轮上下文、权限审计、Trace 和可观测性，能把模型能力封装为企业级可用的系统能力。
‒ Harness 建设能力：能判断哪些工程投入是模型无关、长期稳定的 Harne…

工作职责

阿里云 CIO 线致力于打造 AI 时代业界领先的企业 IT 系统，以 RaaS（Result as a Service）模式，通过 IT 系统直接向客户交付结果，帮助客户在 AI 时代获得长期优势。
我们认为，AI 正在带来新一轮生产力变革，传统软件工程也在发生根本性变化。过去，工程师的核心工作是理解需求、编写代码、保障交付；现在，工程师更重要的职责是把复杂业务抽象为确定性的系统模型，并构建可验证、可观测、可演进的工程体系。
在 AI 时代，Agent = Model + Harness。模型提供智能，而 ABE 构建 Harness：包括领域模型、数据模型、API 契约、权限审计、工具调用、Trace、评测、灰度、回滚和线上质量闭环。优秀的 ABE 不只是写后端代码，而是让 AI 能力在企业级业务系统中稳定、可控、可规模化地运行。
我们正在实践面向 AI Native 的新工程范式：通过 Spec 驱动、业务约束左移、领域建模、形式化验证、Agent Harness、EvalOps 和 Loop Engineering，把模糊的业务需求转化为确定性的系统链路。任何链路只要足够确定，就可以被自动化；自动化之后，才真正具备 AI Native 的基础。
我们也在探索 AI 领域前沿的 Loop Engineer 角色：围绕真实业务流量，建立从用户问题、模型输出、工具调用、Trace、badcase 发现、根因归因、自动修复、回归评测到灰度发布的完整闭环，让 AI 系统不是一次性上线，而是在生产环境中持续学习、持续修正、持续变好。
你的工作将聚焦云小二、智能专员、官网 AI 助理、搜索、Copilot、MCP 服务开放等真实业务场景，建设统一 Agent 底座和服务能力开放体系，推动 AI 能力从单点定制交付走向产品化、可复用、可评测、可规模化输出。
我们期待这样的 ABE 加入：人聪明，有品味，敢担当，有冲劲，有韧性；具备强系统抽象能力、业务理解能力、工程判断力和高 Agency，愿意主动理解真实业务复杂性，并把复杂问题沉淀为长期可复用的平台能力。