智能互联阿里云智能-Agentic Tools开发专家-SDK团队-北京/杭州

Customer Engagement & AI Solution Implementation / 客户支持与AI解决方案实施 • Collaborate with enterprise customers to design and deploy cutting-edge AI and big data solutions on Alibaba Cloud, with a strong focus on generative AI, large language models (LLMs), and machine learning. • 与客户合作，基于阿里云设计并部署前沿的AI与大数据解决方案，重点包括生成式AI、大语言模型（LLM）及机器学习。 • Drive AI-powered digital transformation across industries (e.g., retail, finance, telecom) by integrating Alibaba Cloud’s AI services (e.g., PAI, Tongyi Qianwen) into customer workflows. • 通过整合阿里云AI服务（如PAI、通义千问），推动零售、金融、电信等行业的AI驱动的数字化转型。 AI & Big Data Solution Design / AI与大数据解决方案设计 • Architect scalable AI solutions, including LLM fine-tuning, RAG (Retrieval-Augmented Generation), and MLOps pipelines, leveraging Alibaba Cloud’s AI stack (e.g., PAI, Model Studio). • 设计可扩展的AI解决方案，包括大模型微调、RAG检索增强生成、MLOps流程，并应用阿里云AI技术栈（如PAI、Model Studio）。 • Design real-time big data pipelines (Spark, Flink) to support AI model training and inference at scale. • 构建实时大数据管道（Spark、Flink），支持大规模AI模型训练与推理。 • Provide thought leadership on AI trends (e.g., multimodal AI, agentic workflows) and translate them into customer solutions. • 提供AI趋势（如多模态AI、智能体工作流）的前瞻性见解，并转化为客户解决方案。 Pre-Sales & Technical Strategy / 售前与技术战略 • Lead AI/ML technical discussions with CTOs and data leaders, demonstrating Alibaba Cloud’s competitive edge in AI (e.g., Tongyi Qianwen vs. OpenAI, Anthropic). • 与CTO及数据负责人进行AI/ML技术交流，展示阿里云AI（如通义千问对比OpenAI、Anthropic）的竞争优势。 • Develop proof-of-concepts (POCs) for AI use cases (e.g., chatbots, document analysis, predictive analytics) to accelerate deal wins. • 针对AI场景（如智能客服、文档分析、预测分析）开发概念验证（POC），推动商业合作。

● Lead the FDE team of Alibaba Cloud International Business to partner with key customers to design, co-develop, debug and deploy vertical agentic solutions that generate measurable impact. ● Provide technical guidance on model tuning, agent workflows, CI/CD pipelines, and production readiness, ensuring rapid iteration from prototype to robust, scalable systems. ● Drive the evolution of the Agent Development Platform, working with internal engineer teams to create reusable tools, documentation, and accelerators, enabling developers to easily build, test and deploy agents. ● Systematize field insights from customer engagements and share learnings with product teams to improve future experiences and capabilities. ● Establish a structured feedback loop with product and engineering teams, synthesizing field insights from customer engagements to improve future experiences and capabilities. ● Elevate engineering excellence across the FDE team by establishing code standards, architectural best practices and benchmarks.

Agentic Al时代浏览器已不再仅仅是人类浏览互联网信息的窗口，而是AI Agent感知理解互联网、执行交互任务的操作平台和运行时环境。您将有机会构建专为Agentic Al场景的新型浏览器引擎，引领Al时代浏览器的技术方向。 1. 设计并实现一款面向Agentic Al场景的浏览器引擎，对浏览器内核底层技术深度优化和重构； 2. 在资源加载、DOM解析和处理、网页布局和渲染、JavaScript引擎等技术领域，制定关键技术演进方向以及可实施路径，在轻量化、高并发、AI与内核深度集成方面做出创新并分阶段落地； 3. 建立全面的、完整的浏览器引擎性能监控与基准测试体系，以及Web兼容性基准测试，持续量化优化成果； 4. 协同产品、算法、测试等团队，推动产品化落地和技术演进。

岗位定位 当AI Agent开始7x24小时自主运行研发任务，云原生基础设施的使用方式正在被彻底重新定义。我们需要一位能为Agent原生时代设计全新用云范式的架构师。 您不是从零构建云原生底座，而是站在已有的云原生基础设施之上，将云服务、商业化链路、资源调度、稳定性运维等复杂能力，以Agent友好的方式重新封装为高效、可编排、成本最优的标准化接口与工具链。您的核心使命是：让AI Agent能像最优秀的工程师一样，通过IaC、CLI、API自主操控云基础设施，并为7x24小时托管式Agent原生研发模式提供强大的Harness架构与配套的研发流水线。 这是一个定义"Agent如何用云"的前沿架构角色——您将在AgentSRE、FinOps、IaC-as-Agent-Interface等方向上探索行业最佳实践，让基础设施从"人用的工具"进化为"Agent的原生操作系统"。 核心职责 Harness架构升级与治理 ● 设计并持续演进面向Agent原生研发模式的Harness架构——定义Agent任务的编排框架、执行沙箱、权限边界与生命周期管理，支撑7x24小时托管式Agent自主运行 ● 构建Agent原生的研发流水线与工具链：从代码生成、构建测试、部署发布到线上运维，全链路具备Agent可调用、可观测、可回滚的能力 ● 建立Harness架构的治理机制——Agent行为审计、策略门控（Policy-as-Code）、异常熔断与人工接管逻辑，确保自主运行的安全性与可控性 云原生基座封装与高效用云 ● 将已有云原生基础服务（计算、存储、网络、中间件等）封装为Agent友好的标准化接口——IaC模块、CLI工具集、声明式API，让Agent能通过自然的工具调用方式完成基础设施操控 ● 设计"CLI Anything"能力层：将云平台的运维操作、配置变更、环境管理等全面CLI化和API化，消除Agent操作云资源的认知壁垒与操作门槛 ● 主导云服务商业化链路的封装与优化——资源开通、计量计费、多租户隔离、SLA管理等能力的标准化接入，让Agent能自主完成从资源申请到交付的全流程 资源预测与成本治理（FinOps） ● 构建AI驱动的云资源预测与规划体系——基于业务负载模式、Agent任务调度特征，实现资源需求的智能预测与提前调度 ● 主导FinOps体系建设：建立多维度成本归因、实时用量监控与预算预警机制，将成本可见性深入到每个Agent任务和每条业务线 ● 设计并落地成本优化策略——弹性伸缩策略优化、预留实例与按需实例的智能组合、闲置资源自动回收、跨可用区调度，在保障SLA的前提下持续降低用云成本 稳定性与可观测性体系 ● 建立面向Agent原生运行环境的AgentSRE体系——定义Agent服务的SLO/SLI，构建Agent任务执行的全链路可观测性（执行日志、资源消耗、异常检测、性能剖析） ● 设计Agent驱动的智能运维能力：异常自动诊断、故障自愈、容量自动调整，让Agent不仅是"被运维的对象"，更是"参与运维的主体" ● 建立云上应用的容灾与高可用方案，覆盖多可用区部署、故障切换、数据一致性保障，确保核心业务的持续稳定运行 组织建设与技术文化 ● 搭建兼具云原生工程深度与Agent系统理解力的架构团队，主导核心人才引进与梯队建设 ● 推动Agent原生研发范式在团队和公司的落地——建立AGENTS.md等标准化协作规范，让Agent成为研发流程中的一等公民 ● 营造追求工程卓越、拥抱自动化与创新的技术文化，积极参与云原生与Agent原生工程领域的行业交流