钉钉千问办公-大客户FDE工程师-杭州
任职要求
1、具备 5 年及以上软件工程、企业应用研发或 AI 应用落地经验,有完整的生产系统建设记录;特别优秀者可根据实际能力适当放宽年限要求。 2、具备扎实的软件工程基础,至少熟练掌握 Java、Python、JavaScript / TypeScript 中的一种,能够独立编写和审查生产级代码,并理解测试、版本管理、CI/CD、日志、监控与故障处理。 3、 具备全栈技术视角,能够理解前端体验、后端服务、API、数据库、分布式系统、云环境和企业集成之间的关系,能够判断架构方案的可行性、边界和长期维护成本。 4、具备 AI 原生应用实践,熟悉大模型应用开发、Prompt 设计、RAG / 企业知识、Agent、工具调用、工作流编排、模型选择、上下文管理及人机协同机制,至少有一个真实业务场景的生产经验。 5、理解 AI 系统评估与可靠性建设,能够设计任务级评估、黄金样本、错误分类、自动与人工评分、回归测试和线上监控;能够结合准确性、延迟、成本、安全和采用情况做综合判断。 6、熟悉或能够快速掌握钉钉产品体系、开放平台、组织与身份能力、企业应用集成、低代码、知识库、智能工作流和 AI 原生能力,并能基于平台边界做合理技术选型。 7、理解企业级安全与治理要求,包括身份认证、最小权限、数据隔离、敏感信息保护、审计、合规、人工确认、故障降级与责任边界,能够把这些要求纳入系统设计。 8、具备优秀的业务理解和产品判断能力,能够从客户语言中抽象出关键问题,识别真正高价值且可落地的…
工作职责
深入客户真实业务现场,以生产级工程能力将钉钉 AI 原生能力转化为可上线、可评估、可持续演进的业务系统,并把一线经验沉淀为可复用的产品与工程能力。 我们正在寻找愿意真正进入客户现场、用工程方式解决复杂业务问题的 FDE 工程师。你将服务于钉钉战略大客户及重大行业客户,围绕协同办公、组织管理、企业应用、知识服务与智能工作流等场景,基于钉钉 AI 原生能力、开放平台和企业级集成体系,与客户业务及技术团队并肩工作,把高价值需求转化为可上线、可度量、可持续演进的生产系统。 FDE 的价值不止是完成一次技术验证,而是让 AI 真正进入客户的日常业务流程:用户持续使用,系统稳定运行,业务效果可以衡量,关键经验可以复制,并能反向推动钉钉产品与平台能力演进。
1、负责钉钉大客户项目的技术交付统筹,制定技术实施计划,推动项目从方案设计到落地交付的全过程闭环。 2、深入理解客户业务场景,结合钉钉产品能力与 AI 原生技术方案,设计可落地、可扩展、可持续演进的技术路径。 3、协调产品、研发、交付、生态服务商及客户侧多方资源,推动复杂项目高效推进。 4、主导技术架构设计、方案评审与风险把控,确保系统稳定性、安全性、可扩展性和交付质量。 5、负责钉钉生态服务商的技术管理与交付评审,提升合作伙伴在大客户项目中的技术落地能力。 6、跟踪 AI、协同办公、企业数字化等前沿技术趋势,结合客户需求持续引入创新解决方案。 7、具备全栈技术视角,能够在 Java、Python、JavaScript 等技术栈及 AI 编码工具辅助下,高效判断方案可行性并推动问题解决。
1. 参与大模型Post-Training(SFT, RM, RLHF等)算法的研发与迭代,深入研究并解决训练过程中的效率瓶颈与收敛性问题,持续提升模型的逻辑、推理及生成能力,直接对用户体验负责。 2. 探索并实践面向各领域的高质量数据自动化合成技术(如Self-Instruct, Constitutional AI等),设计并构建高效、可扩展的线上数据飞轮(Data-Flywheel)闭环系统,实现模型能力的自我迭代与增强。 3. 与产品、工程团队紧密协作,洞察并挖掘LLM在企业垂直场景的巨大潜力,参与从0到1的创新产品孵化,推动技术成果的商业化落地。
负责面向真实业务场景的视频分析 Agent 算法研发,围绕实时视频理解与离线长视频复杂任务分析两大方向,构建具备感知、记忆、规划、推理与工具调用能力的多模态智能系统。 岗位职责 1、负责实时视频分析 Agent研发,融合 CV、VLM、Omni/多模态大模型等能力,服务于工业质检、巡检、SOP 合规、Streaming Video 交互等场景; 2、设计并优化面向视频流场景的长短期记忆机制、事件检测、异常告警与状态跟踪能力,提升实时性、稳定性与准确率; 3、负责通用/专用视觉模型在垂直场景中的微调、适配与性能优化,包括检测、识别、时序理解、多模态问答等任务; 4、负责离线长视频分析 Agent能力建设,提升模型在复杂任务中的自主拆解、规划、多步推理、细粒度分析与结果归因能力; 5、基于 SFT、RL/RLHF、DPO、Agentic RL 等后训练方法,提升大模型在Planning、Reasoning、Function Calling、RAG、数据洞察等方面的能力; 6、构建视频分析 Agent 的工具使用体系,支持如 crop_video、zoom-in、片段重采样、目标聚焦、证据回溯等能力,形成“观察—推理—行动—验证”闭环; 7、设计高质量训练数据与评测体系,持续提升长视频复杂任务上的准确率、鲁棒性、可解释性与泛化能力; 8、与产品、工程、业务团队协作,推动算法方案在真实场景中的落地与迭代。