岗位职责
- 端到端解决方案设计与落地：深入业务线核心链路与关键风险点，把模糊的安全诉求翻译为可执行的 Agent 编排方案、数据方案与执行计划，对风控拦截率、内容合规率、漏洞修复时效等核心指标承担端到端责任。
- 效果归因与诊断：构建全链路归因体系，把效果问题的根因逐层定位到 harness 约束、数据质量、检索与上下文、模型能力等环节，让评测从"判决"走向"归因"，让优化有精确的入口。
- 效果优化与分层交付：专家级的 harness 与提示工程设计；在基模能力不足的场景设计后训练路径——高质量轨迹数据构建、蒸馏与知识注入、模型路由与分层交付策略（模型直用 / 优化增强 / 完整方案定制），持续抬高交付效果的天花板。
- 数据飞轮与能力回流：把一线 bad case、误报、人工纠偏结构化回流，翻译成对基模与平台的清晰能力要求，用交付数据驱动模型进化——每一次优化，都可能成为下一版基模的训练燃料。
- 沉淀高效、可泛化的交付体系：成为产品与战场之间的高保真信道，把客户通用需求、平台缺陷、产品改进点高保真地反馈给AI基建，推动平台标准化能力的演进，实现平台厚度与快速交付的正向循环。
职位要求
- 算法能力（核心门槛） ○ 多年大模型 / Agent 方向算法经验，深入理解 LLM 原理与应用范式，有端到端的效果提升实战案例； ○ 有 Agent 系统实战：多轮工具调用、编排设计、上下文管理，熟悉 Agent 的常见失效模式（幻觉、指令偏离、边界越权、过程作弊）与对应优化手段； ○ 精通 LLM 应用开发：RAG、检索排序、harness / prompt 工程；有后训练数据生产（SFT 数据、轨迹构建、蒸馏）经验者优先； ○ 扎实的工程落地能力，至少精通 Python，能独立搭建评测与优化流水线。
- 领域经验 ○ 在风控、内容安全、数据安全、网络安全等至少一个安全域有实战功底，能理解业务风险语义并把它翻译成算法问题； ○ 对安全攻防有自己的理解，能用 AI 的视角识别 AI 自身带来的新风险。
- 软实力 ○ 交付导向：能在模糊与不确定中找到可执行路径，对结果负责； ○ 跨域沟通：能在业务方、基模团队、AI 平台团队之间建立有效协作； ○ 成长型思维：把变化当机会，主动调整自己的技能结构； ○ 适应一定强度的现场/驻场节奏，抗压能力强。 我们用什么衡量你 ● 所负责业务线安全核心指标（拦截率、合规率、修复时效等）的可量化达成与提升； ● 归因体系运转质量：问题定位速度、归因准确率； ● AI Agent 自动化处置率与决策准确率； ● 数据飞轮闭环效率：反馈回流时效、能力要求被基模侧采纳的比例； ● 你沉淀的可复用资产被团队复用的次数：harness 模板、优化 playbook。 我们能给你什么 ● 真实战场：阿里集团级别的业务体量与攻防强度，你的每一次优化都直接进入真实安全对抗，不是 demo。 ● 数据厚度：漏洞库、威胁情报、攻击模式等独家安全资产，加上一线真实 bad case——这是别处拿不到的算法燃料。 ● 定义权：交付侧的归因、评测、分层交付都没有行业标准答案，方法论由你定义。 ● 闭环成就感：你回流的 bad case 会成为下一版基模的训练数据，效果提升用双跑数据说话——算法人的正反馈回路是完整的。 ● 底座与成长：安全垂域基模（御风 / 息壤 / 镇枢）+ 生产级 Agent 平台（灵境 · 扶摇）构成智能大底座；技术纵深与管理纵深双通道。 收束语 这不是一份训模型的岗位，这是一份让模型打赢的岗位。 如果你已经习惯了这样的日常——拿到一个效果不达标的场景，先归因，再动刀：改 harness、补数据、调路由，然后用评测集和双跑数据证明你赢了—— 并且你还想把这套打法，变成一支队伍的标准战法。 欢迎投递，我们聊聊。
