岗位职责
- 深度服务国内头部AI与游戏客户，精准洞察行业龙头前沿趋势，全面把握产业变革与技术应用新方向。全面深耕阿里云各产品架构和AI前沿技术，提供全流程的专家技术服务，覆盖数据规划、产品方案设计、AI Agent设计等全生命周期服务；
- 大模型训练与推理全链路架构设计，负责从数据到模型端到端技术支持:数据侧：设计数据采集、清洗、标注流程，搭建高质量训练数据 Pipeline; 训练侧：基于 PAI 平台进行模型微调（SFT/RLHF）、LoRA 适配、分布式训练集群调度; 推理侧：优化推理性能（KV Cache、Flash Attention）、推理服务弹性伸缩、Tokens成本治理
- AI 云原生稳定性保障: 从客户架构视角出发，通过自动化巡检、AIOps 工具链推动问题主动发现与风险预防。构建 AI 云原生全链路可观测体系，覆盖 SaaS 层（百炼/通义）、PaaS 层（PAI/DashScope）、IaaS 层（GPU 实例/高速网络）。
- 深入理解客户场景需求，结合AI和云产品能力，提供方案评估、部署实施、测试与迭代，解决实际业务中遇到的模型交互、输出优化等问题。
- 卓越架构护航从公共云企业客户的业务视角出发，基于云上卓越架构最佳实践，主导客户云系统的持续诊断与重构。围绕高性能、高可用、安全合规、运维提效与成本精细化管理五大维度，推动架构的标准化与现代化升级。攻坚 AI 基础设施与传统业务系统的异构集成难题。
职位要求
- 熟悉Agent开发框架及工具（LangChain/Dify/LlamaIndex/百炼等），模型推理框架（vLLM /sglang），模型训练框架（LlamaFactory、swift等），具备GPU集群调度、资源隔离、显存优化相关经验，能够解决大规模算力下的性能瓶颈与稳定性问题。
- 擅长Python/Java/Golang/中至少一种编程语言，能在生产环境编写高质量的Agent代码，有云原生或K8S实践者优先
- 熟悉LLM接入和AI Agent智能体综合应用，有langchain、Autogen、Agentscope、SpringAI等开源技术工具经验者优先
- 熟悉JAVA、Python、GO其中一门开发语言，熟悉常见中间件、数据库、大数据组件，如Redis、Nacos、K8s、Kafka、spark、flink等，具有2年以上软件开发经验优先。
- 具备大模型、云原生、大数据、数据库、网络、中间件等领域中的一项或多项技术理解和应用经验，有阿里云公共云产品相关使用运维经验优先。
- 具有优秀的沟通技巧、团队合作经验、敬业精神和学习能力。 加分项：
- 有数据库/云原生/大数据经验等大型项目交付、运维管理或解决方案设计经验，有云上云上业务治理、稳定性保障或服务经验，或持有阿里云ACP/ACE认证证书者优先
- 具备极强的复杂问题排查能力，有处理过 GPU OOM、CUDA/算子报错、NCCL 通信超时或死锁等 AI 典型故障的实战经验者优先。
