岗位职责
- MaaS技术问题支持 · 日常问题响应：响应客户日常在MaaS调用过程中的实际问题，提供技术支撑和优化，包含并不限于模型效果优化、应用指令和工程优化，比如逻辑推理、生成创作、代码生成等工作 · 评测和优化：支持客户进行场景化的大模型横向评测，量化模型表现并实施效果优化手段，采用的技术包括提示词、RAG召回和排序调优、模型微调（基于百炼模型单元）等工作 · 场景挖掘：基于业务和场景的理解，对客户的MaaS调用情况和需求进行正确分析，发掘增量场景，并协助业务线进行调用量转化
- Agent场景技术支持和优化 · 落地支持：主导或参与AI Agent技术栈设计，并基于阿里云的Agent开发工具链、知识向量库完成工程搭建和实施 · 效果优化：支持客户进行整体效果优化，采用的技术包括上下文工程、记忆模块管理、低代码/高代码工程链路搭建、模型微调等工作
- MaaS调用稳定性保障 · 模型容量保障：流量预测、客户侧AI应用压测、限流措施设计和执行 · 流量异常排查：告警机制设计和建设、异常流量监控、错误分析和排查
职位要求
• 5-8年AI技术方向工作/实践经验，有主导应用算法/Agent完整项目的落地经验，具备小型技术团队管理经验；具备云原生/大数据等技术经验者优先 • 能够解决MaaS场景下的疑难问题，综合掌握多项AI技术（各种采样技术、模型微调、多智能体协作等），能够基于客户场景，实现极致的性能和效果提升和PK • 多智能体（Multi-Agent）协作。 能够基于 AgentScope 等框架，设计“专家组”模式，让多个 Agent 协同完成极其复杂的任务流 • 能对 AgentScope 等框架进行代码级修改，具备解决框架底层 Bug 或进行二次开发的能力 • 主动设计模型调用稳定性方案，推动客户做应急演练 • 准确识别和分类客户及关键对接人，针对不同的客户群体建立不同的应对措施 • 营造沟通氛围，把握沟通要点，有效倾听，清晰表达 • 良好的服务意识，能够对客户问题一根到底，切实帮助客户解决难题，并能保证客户满意度 • 对于特定领域，能够在有准备的情况下与客户高层沟通 • 在售后阶段持续和客户关键KP建链，发现增量商机并协助前线转化为PPL • 做好客情管理，主动发掘客情及流失制定相应服务计划 • 深刻理解客户业务场景、云和AI技术战略，在服务过程中主动挖掘客户潜在需求，推动客户对阿里云产品的采纳，支持BTE、SA提升商机转化效率 • 在售前阶段确保POC落地，完成商业验证，闭环交付
