智能互联阿里云智能-AI Agent 解决方案架构师-北京/上海/杭州

1、了解一个或多个领域的业务知识，与客户有效沟通并分析客户需求，识别出AI技术的行业/领域价值场景，协助客户设计应用的智能化路径。 2、理解机器学习、深度学习、大模型、智能体的基本原理，基于云+AI的产品设计AI解决方案，与技术服务团队协同，快速搭建智能体应用场景，结合产品解决方案优势和性价比，影响客户的技术选型决策。 3、依据市场/客户需求、技术动态，结合技术研判向产研部门反馈大模型应用解决方案及Agent工具等的优化建议，推动技术创新和解决方案的迭代升级，提升AI 解决方案、算法以及工具链竞争力。 4、挖掘可复制、可规模化、符合市场逻辑的大模型解决方案，通过客户案例的落地对成功实践进行总结归纳完成从0到1；并对内部团队及客户进行知识和项目分享，促进从1到N的复制。 5、关注最新技术趋势和行业动态，分享技术资源和经验，进行技术分析报告撰写，并与合作伙伴开展技术合作项目。

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。

1. 作为核心技术骨干，参与企业级 Agentic Search / 通用 Agent 平台的架构设计、技术选型与核心链路研发。 ● 设计并演进 Agent 的任务规划、步骤分解、工具调用、状态管理、上下文管理、记忆机制与执行调度框架。 ● 构建面向复杂问题的 Deep Search / Deep Research 能力，使系统具备多轮检索、多步推理、动态改写查询、反思校验与结果综合能力。 ● 推动 Agent 系统从 Demo 形态走向生产级系统，重点解决稳定性、可观测性、可控性、延迟、成本与评测闭环问题。 2. RAG 与复杂知识检索技术攻坚 ● 深入优化 RAG 系统架构，解决海量异构企业文档、知识库、业务数据中的解析、切分、索引、召回、重排与答案生成问题。 ● 构建面向 Agent 的检索基础设施，包括混合检索、语义召回、结构化查询、知识图谱检索、GraphRAG、多跳检索与上下文压缩能力。 ● 设计高质量的 Query Understanding / Query Rewriting / Intent Routing 机制，提升 Agent 在复杂任务中的检索精度与推理效率。 ● 解决长上下文、长链路任务中的信息丢失、幻觉控制、引用溯源、事实一致性与结果可信问题。 3. Agent 工程化与系统能力建设 ● 负责 Agent Runtime、Workflow Engine、Tool Registry、Memory Store、Prompt / Policy 管理、任务队列等关键模块的设计与实现。 ● 建设面向生产环境的 Agent 可观测体系，包括调用链追踪、步骤日志、失败恢复、成本监控、质量评估与在线反馈机制。 ● 优化 LLM 调用链路的性能与成本，包括模型路由、缓存、并发控制、流式输出、推理加速、上下文裁剪与多模型协同。 ● 与算法、产品、业务团队协作，将 Agent 能力落地到企业搜索、知识问答、业务助手、自动分析、智能运营等真实场景。 4. 搜索、模型与多模态能力融合 ● 构建和优化混合检索架构，实现全文检索、向量检索、结构化检索、知识图谱与业务规则的深度融合。 ● 推动排序、重排、语义匹配、跨模态理解等模型能力在 Agentic Search 场景中的工程化落地。 ● 支持文本、表格、图片、PDF、Word、网页、业务系统数据等多源异构信息的统一理解、索引与调用。 ● 持续提升系统在准确率、召回率、推理深度、响应时延、用户满意度等维度的综合表现。 5. 技术引领与团队赋能 ● 解决 Agent 系统研发过程中的复杂工程问题，包括长任务稳定性、工具调用失败恢复、复杂上下文管理、评测体系建设、线上质量退化定位等。 ● 建立高质量的工程标准，通过架构评审、Code Review、技术分享与结对编程，提升团队在 Agent、RAG、搜索和大模型工程方向的整体技术深度。 ● 持续跟踪 Agentic AI、Deep Research、GraphRAG、多模态 Agent、LLM Evaluation、模型推理优化等前沿技术，并推动其在业务中的合理落地。