阿里云ATH事业群-AI数据与评测高级产品专家-杭州/北京
任职要求
1. 统招本科及以上学历，计算机、人工智能、统计学等相关专业优先。3 年以上数据产品或AI产品经验，1 年以上团队管理经验；有MaaS业务、大模型应用相关产品经验者优先。 2. 具备极强的数据敏感度与抽象能力，熟悉数据平台架构，有搭建数据底层资产的经验。 3. 理解大模型技术原理（如SFT、RLHF、RAG等），熟悉主流评测标准与Be…
工作职责
1. 团队管理与战略规划 负责AI数据与评测产品团队的整体搭建、人才梯队培养及日常管理，打造兼具业务洞察力与技术理解力的高绩效产品团队。 结合公司战略与MaaS业务发展阶段，制定数据与评测产品的中长期发展规划，明确数据资产化、评测体系标准化的核心目标与落地路径。 2. 智能数据产品体系构建 洞察MaaS业务在经营管理、资源分配中的痛点，主导跨域数据产品的设计与落地，解决海量数据打通、权限治理与关联分析等复杂问题。 联动数据中台资源，构建面向业务场景的智能数据产品矩阵（如智能找数、智能查数、智能分析等），通过指标体系设计与数据工具赋能，大幅提升业务线的决策效率与数据应用体验。 3. 评测体系与质量闭环建设 统筹搭建AI应用与模型的全链路评估体系，制定评测标准、建设评测Agent及高质量评测数据集，确保评估结论的准确性与时效性。 建立“评测-分析-优化”的业务闭环，深度解读评测结果与线上表现，精准定位产品短板，驱动算法优化与产品体验升级；持续跟进业界前沿评测方案（Benchmark），保持内部技术体系的领先性。 4. 跨团队协同与业务赋能 作为核心接口人，高效协同战略、评测、产品、研发、产品运营等多方团队，打破部门墙，推动数据与评测能力在业务场景中的深度落地。
团队介绍： MaaS（Model as a Service）网站产品团队致力于打造行业领先的模型即服务平台，为开发者和企业客户提供模型发现、部署、调用、评测及管理的一站式体验。我们相信大模型将重塑软件开发与业务创新的方式，而一个优秀的 MaaS 平台是连接模型能力与用户应用价值的核心桥梁。 1. 竞争分析与行业洞察：持续跟踪国内外 MaaS 平台的产品动态与竞争策略关注大模型技术前沿，输出竞品分析与产品洞察，将技术趋势转化为平台产品机会 2. 平台产品规划与设计：负责 MaaS 网站平台的整体产品规划与路线制定，产品设计与持续迭代，设计平台化的产品架构与交互方案，构建模型发现 → 评估 → 部署 → 调用 → 监控的完整用户旅程。 3. 模型生态与开发者体验：从个人和企业开发者视角出发，规划并优化各类模型接入和服务，支撑开源模型、自研模型、三方模型等多元模型生态的高效运转；持续优化 API 文档、SDK 、Playground 、Skills 等开发者工具使用体验。 4. 商业化与增长：参与 MaaS 平台的商业化策略制定，设计模型计费、资源套餐、用量计量等商业化产品能力。建立产品核心指标体系，通过数据分析驱动产品决策与增长。 5. 跨团队协作：建立与横向团队紧密协同，并与工程、算法、设计、运营、解决方案等团队纵向协作，推动产品从设计到上线应用的全流程闭环。
1. 负责联网搜索基础设施建设，包括网页抓取、采集调度、站点适配、反爬策略、代理管理、失败重试、增量更新、数据合 规与链路监控。 2. 建设网页内容理解与数据处理链路，支持 HTML、PDF、Word、表格、图片、动态网页等多源内容的解析、正文抽取、去 噪、去重、质量评估与结构化处理。 3. 负责离线通用索引构建体系，建设面向大规模网页和异构数据的倒排索引、向量索引、结构化索引、混合索引、增量索引 和索引质量评估能力。 4. 建设垂类搜索能力，面向企业知识、行业数据、内容、商品、业务系统等场景，设计领域数据 Schema、召回策略、排序策 略、过滤规则和结果展示策略。 5. 建设搜索质量优化与数据回流链路，包括 Query 日志、点击行为、用户反馈、Badcase 归因、人工标注、训练数据构建、 离线评测、在线 A/B 实验和排序迭代闭环。 6. 设计和优化搜索召回与排序体系，融合全文检索、语义召回、结构化查询、知识图谱、业务规则、Learning to Rank、 Reranking 等能力，提升相关性、时效性和可信度。 7. 构建面向 Agent 的 Deep Search / Deep Research 能力，支持多轮检索、多步推理、动态 Query 改写、结果聚合、反思 校验、引用溯源和答案生成。 8. 深入优化 RAG 与 Agentic Search 架构，解决复杂任务中的意图理解、Query Rewriting、Hybrid Search、Context Compression、多跳检索、GraphRAG、幻觉控制与事实一致性问题。 9. 参与 Agent 平台核心模块建设，包括 Agent Runtime、Workflow Engine、Tool Registry、Memory Store、Prompt / Policy 管理、任务队列和执行调度框架。 10. 推动系统生产化落地，重点解决稳定性、可观测性、延迟、成本、质量评估、失败恢复和线上效果退化定位等问题。
1. 深入理解AI短漫剧用户分层需求——包括影视剧公司、专业创作者、泛内容生产者、普通消费者等不同群体的使用场景与产品范式，据此设计差异化的功能策略与体验路径。 2. 持续跟踪 AIGC 领域的前沿技术进展，将技术理解转化为可落地的产品定义和功能方案。 3. 与算法、工程、设计团队紧密协作，推动产品功能的高效开发与交付 4. 建立产品效果评测与数据反馈体系，通过数据驱动的方式持续优化生成效果和用户体验。
1.负责基于大模型能力的AI应用产品规划与设计，深入理解企业客户需求特性，围绕各类业务场景推动产品持续演进与规模化落地； 2.基于对AI技术现状和趋势的深刻理解，设计有行业竞争力的AI原生应用或智能体产品； 3. 联合算法、工程及解决方案等团队，推动产品从需求洞察、方案设计到行业场景落地，并持续优化产品能力； 4. 持续关注 AI 技术与产品形态的发展趋势，结合业务需求探索新的 AI 产品机会。