蚂蚁金服蚂蚁集团-端智能agent安全策略专家-平台风险管理

1. 参与千问/夸克APP 智能对话AI产品研发，构建基于大模型驱动的Agent应用（对话/任务/多模态等）； 2. 参与对话式产品后端核心架构设计和迭代，构建高可用、低延迟的AI应用基础设施； 3. 协同算法、产品、前端等多团队，将前沿AI能力转化为产品能力，提升体验。

【关于我们】 小红书电商正处于高速发展阶段。我们希望把大模型能力真正融入用户购物链路和商家服务场景中，而不是停留在“接一个模型接口”。 #团队当前聚焦于以下方向： - 面向客服/售后场景的智能机器人、知识辅助与服务提效 - 基于 RAG、Agent、多轮会话和流式交互的新一代 AI Native 应用 - 多终端、多模态场景下的自然交互与 Generative UI 探索 - 我们正在寻找一位具备具备全栈工程能力的技术同学。 如果你既关注浏览器、渲染、交互和体验，也能深入服务端、模型编排、知识检索、性能优化和工程效能，欢迎加入我们，一起定义 AI 在电商中的下一代交互形态。 #岗位职责 1）负责 AI Native 产品的全栈设计与研发落地 围绕小红书智能客服系统，负责从方案设计、技术架构到前后端实现的完整研发工作，推动 AI 能力稳定上线并持续演进。 2）将大模型能力转化为真实可用的产品体验 结合 Prompt Engineering、RAG、Tool Calling / Agent、多轮会话等能力，设计并落地适用于导购、售后、客服辅助等场景的 AI 交互方案，让模型能力真正服务用户与业务。 3）负责复杂交互与全链路性能优化 面向高并发电商业务，优化前端渲染性能、流式响应体验、长连接交互、服务端响应时延与系统稳定性，保障多终端场景下的高可用与一致性。 4）推动 AI 工程化与研发提效 将 AI 能力融入研发流程，包括代码辅助、测试生成、知识沉淀、自动化脚本等方向，提升团队整体研发效率与交付质量。 5）参与技术选型与团队技术建设 持续关注 AI Native 应用、前端渲染、生成式 UI、Agent、富媒体交互等方向，参与关键技术决策，沉淀最佳实践并影响团队技术文化。

我们正在重新定义“千问”：从一个博学的对话者进化为具备执行力的数字实体。我们的核心使命是构建一套统一的认知架构，打破模型与现实世界的壁垒。通过 Skill-based Agent 技术，实现从“语义理解”到“任务闭环”的跨越，让 AI 真正深入生产力场景，实现数字世界与物理世界的高效连接 1. 统一认知架构设计与能力演进： - 深度对接阿里集团内部及外部第三方服务，设计并实现高效、稳定的 Agent 框架。负责将复杂的业务逻辑抽象为可插拔的配置、标准化的工具，供大模型理解与调用。 - 设计 skill-based 【统一Agent】架构，实现长程规划与自我反思能力的统一认知架构，以协调内部的推理、记忆和执行模块，实现统一智能体在跨场景、长链条任务上的优异表现。 - 推动并构建一个动态的“千问能办” skill library，将海量、异构的原子能力抽象为该统一智能体可学习、可组合、可泛化的skill，探索自动化技能发现与组合优化的前沿方法。 2. 核心场景算法优化： ⁃长程规划与决策优化： 针对复杂复合需求，研发先进的任务分解与多步推理算法，解决长链条执行中的错误积累与漂移问题。 -Agentic-RL 策略： 构建基于 环境反馈的强化学习（RLHB/RLAIF） 体系，通过在模拟环境中的大规模探索，提升 Agent 在极端场景下的鲁棒性与决策上限。 -领域知识注入： 针对高频场景（学习、办公、生活）进行长程预训练与持续学习，让 Agent 不仅拥有通用逻辑，更具备深度的行业专家意识。 3. 实际需求驱动迭代： - 建立科学、全面的Agent评测体系，通过线上数据分析、Bad Case挖掘，精准定位模型在幻觉、误拒答、组合泛化、执行失败等方面的瓶颈。 - 领导数据驱动的迭代飞轮，不仅是利用线上反馈进行微调，更要探索世界模型模拟、合成数据生成、以及基于AI反馈的强化学习等手段，高效、规模化地提升统一智能体的能力上限。

我们正在重新定义“千问”：从一个博学的对话者进化为具备执行力的数字实体。我们的核心使命是构建一套统一的认知架构，打破模型与现实世界的壁垒。通过 Skill-based Agent 技术，实现从“语义理解”到“任务闭环”的跨越，让 AI 真正深入生产力场景，实现数字世界与物理世界的高效连接 1. 统一认知架构设计与能力演进： - 深度对接阿里集团内部及外部第三方服务，设计并实现高效、稳定的 Agent 框架。负责将复杂的业务逻辑抽象为可插拔的配置、标准化的工具，供大模型理解与调用。 - 设计 skill-based 【统一Agent】架构，实现长程规划与自我反思能力的统一认知架构，以协调内部的推理、记忆和执行模块，实现统一智能体在跨场景、长链条任务上的优异表现。 - 推动并构建一个动态的“千问能办” skill library，将海量、异构的原子能力抽象为该统一智能体可学习、可组合、可泛化的skill，探索自动化技能发现与组合优化的前沿方法。 2. 核心场景算法优化： ⁃长程规划与决策优化： 针对复杂复合需求，研发先进的任务分解与多步推理算法，解决长链条执行中的错误积累与漂移问题。 -Agentic-RL 策略： 构建基于 环境反馈的强化学习（RLHB/RLAIF） 体系，通过在模拟环境中的大规模探索，提升 Agent 在极端场景下的鲁棒性与决策上限。 -领域知识注入： 针对高频场景（学习、办公、生活）进行长程预训练与持续学习，让 Agent 不仅拥有通用逻辑，更具备深度的行业专家意识。 3. 实际需求驱动迭代： - 建立科学、全面的Agent评测体系，通过线上数据分析、Bad Case挖掘，精准定位模型在幻觉、误拒答、组合泛化、执行失败等方面的瓶颈。 - 领导数据驱动的迭代飞轮，不仅是利用线上反馈进行微调，更要探索世界模型模拟、合成数据生成、以及基于AI反馈的强化学习等手段，高效、规模化地提升统一智能体的能力上限。