阿里云阿里云智能-测试开发专家-AI Coding 方向
任职要求
● 本科或以上学历，计算机软件或相关专业，5年以上测试开发/研发经验； ● 能结合AI Coding产品特性（如非确定性输出、长链路交互）设计针对性方案，并搭建对应的测试评估体系； ● 主导过复杂系统测试架构设计及测试平台开发或者在自动化测试、…
工作职责
一、职位描述 我们是一个专注于AI Coding方向的充满活力和创业精神的创新业务团队，致力于通过智能化代码生成和开发工具重新定义软件开发体验。随着AI Agent技术的快速发展，我们正在寻找优秀的AI Agent研发工程师加入团队，共同构建下一代智能编程助手和自主代码开发系统，一起在AI驱动的编程革命中创造历史！ 二、岗位职责 ● AI产品质量保障体系构建：主导AI Coding产品（含Agent、模型服务等）的全生命周期质量保障，制定测试策略、设计测试方案与质量标准，推动研发流程优化； ● 效能提升与自动化：通过持续集成（CI/CD）、自动化测试平台及线上质量监控体系，提升团队测试效率与问题拦截能力； ● 复杂项目质量管控：主导中大型AI项目的质量保障，包括测试策略制定、流程优化、风险预警及质量复盘，确保关键节点交付质量； ● 技术驱动与协作：推动测试技术创新（如AI场景专项测试、自动化工具链），协同研发团队提升代码质量与交付效率。
1、制定该 Agent 产品子方向（包括代码生成、代码补全、Sub-Agent、IDE 插件集成等）评测战略：明确关键指标（如 Tab 触发补全采纳率、inline completion 命中率、生码成功率、bug 回退率、开发者效率提升等）并驱动落地。 2、搭建并维护数据集与基准环境：包括开发者真实 IDE 行为日志、补全/生成结果与 Cursor 或其他对标产品的横评数据、反馈回路及验证用例库。 3、设计并执行横评流程：定义评测用例、场景覆盖（例如 VS Code、JetBrains、Web、浏览器插件、TUI）、与 Cursor 或业界基准做对比分析，形成报告与洞察。 4、建设验证环境／实验平台：负责 offline 基准测试、online A/B 实验流程，支持模型版本上线前的评估、功能模块验证与监控看板建设。 5、与模型/算法团队协作：基于评测数据提出模型优化方向（例如 decode 策略、prompt 设计、上下文长度、错误回退机制、代码质量控制等），并跟踪优化效果。 6、赋能产品/工程团队：向前端、插件、IDE 集成等业务团队提供评测报告、数据解读、优化建议，支持其在 Agent 集成与推广中的决策。 7、团队管理与建设：制定团队 OKR、建立协作流程、提升团队执行力、推动数据驱动文化。
阿里云PAI团队致力于打造业界一流的一站式AI工程化平台，拥有万卡级训练能力与超大规模异构资源调度技术，为复杂模型训练与推理任务构建坚实基座。PAI平台不仅是通义大模型研发与落地的核心基础设施，也作为公共云服务的关键载体，支撑众多行企业构建大模型核心业务。平台提供从数据标注、预处理、模型训练、推理服务到开发环境与工作流调度的全链路工程支持，全面覆盖AI项目从实验探索到规模化落地的完整价值链。作为Web前端工程师，您将深度参与平台前端体系的构建与持续演进，具体职责涵盖以下方面： 1. 协同产品与设计团队，负责AI平台控制台的前端开发，覆盖标注、训练、推理、编排、监控、开发环境等核心场景，打造专业、易用的交互体验。 2. 面向AI交互场景演进与算力资源类型升级，持续推动前端架构重构与性能优化，提升系统响应速度与操作流畅度。 3. 联合测试、运维与技术支持团队，确保前端系统稳定可靠、兼容性强、易于维护，并能快速响应与修复线上问题。 4. 参与AI Coding、WebIDE、智能Agent、AIGC等方向的前端预研与落地，积极探索下一代AI开发体验的创新路径。
我们是一个专注于Agentic Coding方向的充满活力和创业精神的创新业务团队，致力于通过智能化代码生成和开发工具重新定义软件开发和Devops体系。 随着Agentic Code技术的快速发展，我们正在寻找优秀的Agentic Code研发工程师/专家加入团队，共同构建下一代智能编程助手和自主代码开发系统，一起在LLM驱动的编程革命中创造历史！ 负责基于大语言模型的Agentic Code产品核心能力的开发工作，实现代码续写、复杂问题分析与理解、代码生成与测试等功能，包括：代码补全、行间建议预测（NES - Next Edit Suggestion）、Agentic Code智能体等； 参与设计、开发和实现Agentic Code，构建具备代码理解、生成、调试和优化能力的自主编程代理系统，并能适应特定用例和环境； 从事AI领域相关算法研究及算法的工程化实现，以提升Agent能力（推理、规划、记忆、工具使用）； 设计和实现高效的LLM算法，为代码自动生成、智能补全、bug检测等场景提供技术支撑； 参与设计多智能体协作架构，实现复杂编程任务拆解与分布式执行，提升Agentic Code的质量及效率； 持续跟踪Agentic Code、大模型、代码生成等前沿技术发展，推动团队技术水平提升。
1、技术方案设计 • 调研AI大模型训练及推理的前沿技术发展，分析前沿技术和网络的关联以及优化方向； • 分析客户需求，帮助客户使用我们的产品和解决方案，帮忙客户进行性能优化； 2、技术实现 • 负责AI计算系统的通信库的设计研发、以优化 • 对技术方案进行分析拆解，制定任务目标和产出规范，完成关键模块的设计、编码开发和系统功能实现 • 对编码进行阶段性的讨论和CodeReview，并通过调试优化，推动代码成功部署 • 对开发中和部署后的程序进行必要的维护和迭代，包括值班oncall、升级工单处置、bug排查、问题诊断、产品体验改善、性能和成本优化等 3、稳定性和性能优化 • 制定稳定性策略，寻找并解决产品系统中的潜在风险和瓶颈，覆盖线上疑难杂症问题，确保系统的安全可靠 • 运用产品优化技术和方法，进行性能优化，提高产品稳定性和性能 4、技术预研 • 跟踪和了解新的产品技术和趋势，根据业务需要提供新的技术支持和建议。 5、技术规划 • 理解业务战略及重点，基于业务需求作出高可用、高可靠、高拓展性的技术架构规划和落地。