阿里云智能-解决方案架构师（泛互/AI方向）-上海

1、客户成功驱动：面向 AI Native 客户开展售前技术支持，与销售协同作战，推动阿里云 AI Native 与 MaaS 产品及解决方案的规模化落地，助力客户业务持续增长。 2、方案架构设计：作为 AI 技术专家，基于阿里云 MaaS 与大模型能力，为客户输出端到端的技术架构与解决方案，并在落地过程中提供深度技术护航，确保方案可落地、可演进、有竞争力。 3、业务场景洞察：深入理解客户业务，围绕 AI Native 应用形态，完成从模型能力到系统架构的全链路方案设计，将模糊需求转化为清晰可执行的技术路径。 4、POC 与方案比选：主导客户的方案比选与 POC 演示，承担功能验证与性能压测，量化模型效果、系统表现与投入产出比，在保障性能、安全与稳定性的同时追求最优 TCO。 5、市场洞察与方案沉淀：负责所在区域及重点行业的趋势洞察与解决方案沉淀，把握 AI 技术与产业演进节奏，推动 AI Native 解决方案的创新孵化与跨客户复制。 6、行业影响力建设：积极参与内外部技术沙龙、行业峰会与客户分享，输出 AI Native 与 MaaS 架构的最佳实践，打造个人与团队的技术品牌。 7、全栈架构咨询：为客户提供涵盖模型选型、推理性能优化、成本治理、稳定性设计与安全合规的全栈 AI 架构咨询服务。 【任职要求】 1. 工程基本功：精通 Python / Java / Go / Node.js 中至少一门语言，3 年以上研发经验；具备分布式后端、大数据平台或 AI 应用工程化的实战背景。 2. 业务架构能力：深刻理解 AI 应用与 MaaS 商业逻辑，能够将复杂业务场景抽象、拆解并映射为可执行的 AI 技术方案。 3. 大模型技术体系： • 熟悉 Qwen、GPT、Gemini、Claude 等主流模型的能力差异与适用边界，能基于业务诉求做出合理选型； • 掌握 SFT、LoRA、RLHF、DPO 等模型微调与对齐技术，具备模型适配与定制经验； • 熟悉主流 Benchmark 与 A/B Testing 方法论，能构建可量化的模型评估体系。 4. AI Native 应用范式： • 精通 RAG 全链路架构，覆盖 Embedding 优化、Re-rank 策略、混合检索与向量数据库选型； • 熟练使用 AgentScope、LangGraph、CrewAI、AutoGen 等主流框架进行复杂 Agent 开发； • 熟悉 MCP 服务开发、Tool Calling 与 Skills 定义等前沿交互协议。 5. AI 工程化与运维（LLMOps）：具备模型监控、可观测性与安全治理的实战经验；熟悉推理优化技术，能够在延迟、吞吐与成本之间寻得最优平衡，实现极致性价比。 6. 售前咨询能力：方案宣讲清晰、有感染力，沟通与需求挖掘能力突出，能独立主导 POC、Demo 搭建及技术验证，将技术语言转化为客户价值。 7. 综合素养：具备良好的协作精神与同理心，抗压能力强，乐于拥抱不确定性，敢于探索前沿技术。 8. 加分项：在 GitHub 拥有 Agent 方向开源项目，或在 AI 辅助编程（Vibe Coding）方向有深度实践，或具备垂直行业 AI Native 规模化落地案例者优先。