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
• 3-5年AI技术方向工作/实践经验，有应用算法落地/Agent的应用开发经验；具备云原生/大数据等技术经验者优先 • 围绕通义MaaS和百炼工具链，分析客户的使用问题和业务目标，具备制定技术服务方案的能力，综合上下文工程、记忆管理等优化手段 • 单体 Agent 落地。 能够独立设计 Agent 逻辑流转，处理中等复杂度的任务规划 • 具备熟练的开发能力，能独立完成 Agent 后端逻辑与业务系统的对接 • 标准化性能优化。 能够通过缓存机制（Prompt Cache）或模型选型优化响应延迟 • 可在指导下提炼客户通用需求，能够识别客户的业务需求 • 主动沟通和换位思考，加深沟通的主题和深度 • 职业化的书面沟通，比如客户沟通邮件、工作汇报等 • 有一定的服务意识，能够站在客户的角度急客户之所急，对客户情绪能够进行一定的安抚 • 了解客户业务场景、AI技术应用规划，在技术服务过程中发现客户潜在需求，配合BTE、SA挖掘和转化商机，支持售前POC • 在售前阶段确保POC落地，完成商业验证，闭环交付
