钉钉悟空事业部-RTC 媒体服务-研发工程师

语音是人机交互中最自然、最便捷的模态。随着大模型时代的到来，语音 AI 正在从单一的任务处理向多模态、高自然度的“数字员工”演进。 在我们这里，RTC 不仅仅是传输管道，而是数字人的神经中枢。我们已经打通了 WebRTC 全链路，并实现了打断、轮次检测等核心能力。现在的目标是攻克 极致交互延迟、拟人化情感合成、以及具备 RAG 与工具调用能力的语音 Agent。加入我们，你将亲手打造一个“听得清、反应快、有记忆、能办事”的数字灵魂。我们倡导 AI-First 的开发哲学，鼓励利用 AI Coding 与 Vibe Coding 的新范式，快速将创意转化为亿万级用户的交互体验。 【岗位职责】 1. 全链路算法研发与优化： ○ 负责 ASR/LLM/TTS 全链路的协同优化。通过流式算法（Streaming）与端到端优化，挑战 RTC 场景下人机对答的物理延迟极限。 2. 语音 Agent 大脑构建： ○ RAG 与知识增强： 集成检索增强生成（RAG）技术，提升数字人在垂直领域（如医疗预约、智能客服）的专业度。 ○ 实时任务编排： 研发高可靠的 Tool Use（工具调用） 逻辑，使数字人能实时操作后台系统，并处理调用过程中的长延迟等待与交互反馈。 ○ 记忆管理： 建立长短期记忆系统，确保数字人在多轮复杂对话中保持语境一致性。 3. 专项技术突破： ○ 高鲁棒性交互： 研发基于深度学习的智能 VAD 与“语义打断”逻辑，解决强噪声及复杂环境下的起停点识别痛点。 ○ 拟人化表达： 微调 TTS 模型（如情感自适应、口语化重写），提升音色的情感表现力与韵律感。 4. 模型工程化落地： 推动算法在 GPU 环境下的高性能部署，优化并发场景下的状态机管理、显存调度及异常重试机制。 5. 前沿预研： 跟踪并实践 Speech-to-Speech (S2S) 原生端到端交互，探索大模型驱动的语音多模态融合方案；跟踪并实践两段式（ASR+多模态/多模态+TTS）低延迟交互。

● 面向中大型客户，深度挖掘其在合同全生命周期管理、法务数字化转型中的痛点，提供专业咨询建议 ● 基于产品能力与 AI 差异化优势，编写定制化的售前解决方案、投标方案及产品演示 Demo，支撑业务达成 ● 配合销售团队完成客户拜访、技术交流、POC及招投标过程，对产品商业化负责 ● 收集行业共性需求，输出行业白皮书或标准解决方案模板，提升团队标准化交付能力

负责产品的 AI 功能设计与研发，将大模型能力应用到实际业务中，大模型工程化落地 理解业务需求并转化为可落地的技术方案，推动 AI 能力在业务中的规模化应用 设计并开发高可用、高并发的分布式服务，构建微服务架构 负责数据库、缓存、消息队列的技术选型与性能调优 与产品、UI/UX、测试及运维团队紧密协作，确保项目高质量交付

悟空事业部是阿里巴巴 ATH 战略下的 AI 原生工作平台，致力于将智能体能力深度融入企业工作流，重新定义 B 端的工作方式。我们正在构建一套评测驱动的智能体自进化闭环——以评测发现问题、反哺优化、验证效果，让 Agent 在持续迭代中越来越可靠。为此，我们需要招募细致严谨、对 AI 技术充满热情的人才加入我们！ 【职位描述】 1、结合业界最佳实践与 B 端业务场景，通过专家设计和数据合成等手段，动态构建高质量评测集 2、负责评测任务的调度与执行监控，对评测结果进行审核与标注，输出质量报告，推动问题闭环 3、深入理解高频业务场景（电商、门店管理、资讯情报、数据分析等），针对性地构建专项评测集，设计可量化的评测标准 4、与产品、算法团队紧密协作，将评测中发现的问题和模式转化为优化方向，推动评测流程的持续改进