智能互联阿里云智能-AI Agent开发平台-杭州/北京

1. 设计并开发企业级 AI Agent 开发平台 a. 构建支持推理、规划、工具调用、记忆、知识管理、评测等能力的智能体框架； b. 设计高效的检索架构（如混合检索、多路召回、重排序），提升 RAG 的准确性和响应速度； c. 实现高可用、可扩展的后端服务，支撑实际业务场景稳定运行。 2. 推动 AI Agent 落地业务场景 a. 结合企业业务流程，设计端到端的AI应用解决方案 b. 快速验证技术方案，持续优化效果与用户体验。 3. 夯实工程基础与系统稳定性 a. 负责 Agent 系统的部署、监控、性能调优和全生命周期管理； b. 结合大模型、RAG、Prompt 工程等技术，打造高效可靠的智能应用底座。 4. 跟进前沿技术，驱动创新 a. 关注 AI Agent、多智能体等方向进展，探索新技术在业务中的应用可能。

1. 前端开发 负责公司核心海外产品的前端架构设计与功能开发，保障高质量交付。 性能优化：持续优化前端性能（加载速度、渲染效率、内存管理等），提升用户体验。 工程化建设：参与前端工程化体系建设，包括构建工具（Webpack/Vite/Rollup）优化、CI/CD 流程完善、SSR/SSG 架构、自动化测试及前端监控系统的搭建与维护。 技术攻坚与协作：与产品经理、UI/UX 设计师、后端工程师紧密配合，参与需求评审，提供合理的技术方案；攻克前端技术难点。 2. 全栈 AI 开发 推动 AI Agent 在建站、营销、服务、DevOps 运维等领域的落地。 设计符合行业需求的解决方案（如应用导购助理、客服助手、营销助手等 RAG 应用），具备前后台开发能力。 负责技术预研、架构设计、业务模型抽象及功能开发。保持对业务场景的敏锐洞察，快速熟悉业务流程并理解业务痛点；沟通并分析产品需求，制定技术方案，设计与研发核心系统及模块，推动产品快速迭代。

一、AI 市场洞察与竞对策略 追踪 AI Agent 平台、自动化工作流及大模型企业应用市场趋势，研判各行业 AI Native 转型需求与市场容量。 对标主流 AI 工作台、RPA、低代码及垂直 Agent 产品，拆解竞品能力边界、定价模型、集成生态与客户覆盖策略，输出差异化打法。 敏锐捕捉行业热点与业务痛点，识别高价值自动化场景，快速推动商机立项与落地验证，构建产品商业化领先优势。 二、商机研判与 AI Native 咨询式交流 协同销售团队进行商机分级与 ROI 预判，主导面向 CXO/业务负责人的 AI 转型工作坊，输出人效提升与成本优化测算。 深度调研客户现有工作流、系统架构与人效瓶颈，结合 AI Agent 技术演进路径，提供从“AI 辅助”到“AI 为核心”的渐进式重构方案。 通过技术布道与场景推演，引导关键决策人达成业务流程 AI 化的战略共识，加速高价值商机转化。 三、AI 工作流方案设计与 POC 落地 深入理解客户业务流、数据流与企业级合规要求，基于 MuleRun 设计端到端 AI Native 工作方案（含 Agent 编排、多模态模型集成、外部系统对接等）。 主导高价值场景 POC，快速搭建可交互的 Agent 工作流场景，量化验证效率提升与 ROI，输出具备技术壁垒的控标参数与验收标准。 跨产研/交付团队协同打磨方案，在响应速度、Agent 稳定性、多模型路由与企业安全合规间取得最优平衡。 针对头部客户持续提供架构护航，推动 AI 应用从试点向核心业务域规模化扩展。 四、产品迭代反哺与场景创新 基于前线实战洞察，反哺 MuleRun 企业版核心能力迭代（如Agent协同、Agent 主动性策略、企业级权限/审计、多模型切换与成本优化等）。 精准提炼行业共性需求，参与产品定价模型、套餐设计与交互体验优化，确保产品在目标场景保持代际领先。 联合产研探索 AI Agent 在垂直行业（如营销、运维、赛事管理、研发协同等）的创新玩法，推动新模块快速上市并验证商业化路径。 五、行业标杆沉淀与销售/生态赋能 沉淀各行业 AI Native 转型标杆案例，抽象可复用的 Agent 工作流模板、Prompt 工程范式与系统集成 SOP，形成标准化方案资产库。 设计面向企业客户的 AI 能力验证用例与评估体系，输出 GTM 材料、行业白皮书与 ROI 测算工具，放大产品技术影响力。 赋能销售团队与生态伙伴，打造“AI 咨询+方案落地”标准化打法，提升前线独立打单、方案演示与交付推进能力。

1. 技术战略与架构演进（Technical Vision & Architecture） * 顶层架构设计： 主导企业级AI Agent平台的整体技术蓝图规划，设计支持高并发、低延迟、高可靠的分布式Agent运行时架构。 * 前沿技术攻坚： 深入探索并落地Multi-Agent协作机制、长短期记忆管理（Memory Management）、复杂任务自动规划（Planning & Reasoning）及MCP&Skills等前沿技术，解决Agent在复杂场景下的幻觉、状态一致性及执行可靠性难题。 * 技术演进路线： 制定平台未来1-3年的技术演进路线图，平衡技术创新与系统稳定性，确保架构具备极强的扩展性与兼容性。 2. 商业落地与场景赋能（Business Impact & 2B Delivery） * 2B场景规模化落地： 深入理解金融、政务、制造等2B核心客户的业务痛点，主导Agent平台在复杂企业场景下的解决方案设计与交付，确保技术指标转化为可量化的商业价值（如效率提升率、成本降低率）。 * 生态建设与标准化： 构建开放的Agent插件生态与工具链标准，推动平台能力产品化，支持客户通过低代码/零代码方式自定义Agent工作流，加速行业解决方案的复制与推广。 * 关键项目兜底： 作为技术负责人（Owner），直接对重大标杆项目的成功交付负责，解决跨部门、跨系统的复杂集成难题。 3. 工程底座与技术体系建设（Engineering Excellence） * 夯实工程基石： 建立完善的Agent全生命周期管理体系（开发、调试、评估、部署、监控），打造业界领先的Agent Ops平台，显著提升研发效能与系统稳定性（SLA 99.99%+）。 * 安全与合规体系： 构建企业级的AI安全围栏，包括提示词注入防御、敏感数据脱敏、Agent行为审计及合规性检测，确保平台符合数据安全法规。 4. 梯队建设与文化塑造（Leadership & Talent Development） * 技术前瞻与创新： 保持对全球AI技术趋势的敏锐洞察，引入学术界最新成果（如ReAct, ToT, GraphRAG等）并在内部进行技术预研与转化。 * 高端人才培养： 负责组建并培养一支高水平的AI工程团队，建立清晰的人才成长路径与晋升机制，通过技术分享、黑客松等形式营造浓厚的创新氛围。 * 跨团队协同： 打破算法、工程、产品之间的壁垒，建立高效的协同机制，推动“算法模型”向“工程产品”的高效转化。