阿里云智能-AI Agent infra 资深技术专家-专有云（北京/杭州）

1. 技术战略与架构演进（Technical Vision & Architecture）

• 顶层架构设计： 主导企业级AI Agent平台的整体技术蓝图规划，设计支持高并发、低延迟、高可靠的分布式Agent运行时架构。
• 前沿技术攻坚： 深入探索并落地Multi-Agent协作机制、长短期记忆管理（Memory Management）、复杂任务自动规划（Planning & Reasoning）及MCP&Skills等前沿技术，解决Agent在复杂场景下的幻觉、状态一致性及执行可靠性难题。
• 技术演进路线： 制定平台未来1-3年的技术演进路线图，平衡技术创新与系统稳定性，确保架构具备极强的扩展性与兼容性。

2. 商业落地与场景赋能（Business Impact & 2B Delivery）

• 2B场景规模化落地： 深入理解金融、政务、制造等2B核心客户的业务痛点，主导Agent平台在复杂企业场景下的解决方案设计与交付，确保技术指标转化为可量化的商业价值（如效率提升率、成本降低率）。
• 生态建设与标准化： 构建开放的Agent插件生态与工具链标准，推动平台能力产品化，支持客户通过低代码/零代码方式自定义Agent工作流，加速行业解决方案的复制与推广。
• 关键项目兜底： 作为技术负责人（Owner），直接对重大标杆项目的成功交付负责，解决跨部门、跨系统的复杂集成难题。

3. 工程底座与技术体系建设（Engineering Excellence）

• 夯实工程基石： 建立完善的Agent全生命周期管理体系（开发、调试、评估、部署、监控），打造业界领先的Agent Ops平台，显著提升研发效能与系统稳定性（SLA 99.99%+）。
• 安全与合规体系： 构建企业级的AI安全围栏，包括提示词注入防御、敏感数据脱敏、Agent行为审计及合规性检测，确保平台符合数据安全法规。

4. 梯队建设与文化塑造（Leadership & Talent Development）

• 技术前瞻与创新： 保持对全球AI技术趋势的敏锐洞察，引入学术界最新成果（如ReAct, ToT, GraphRAG等）并在内部进行技术预研与转化。
• 高端人才培养： 负责组建并培养一支高水平的AI工程团队，建立清晰的人才成长路径与晋升机制，通过技术分享、黑客松等形式营造浓厚的创新氛围。
• 跨团队协同： 打破算法、工程、产品之间的壁垒，建立高效的协同机制，推动“算法模型”向“工程产品”的高效转化。

1. 学历与经验背景

• 学历要求： 计算机、人工智能、数学等相关专业本科及以上学历，硕士/博士优先。
• 工作年限： 8年以上后端或架构开发经验，其中至少3年专注于大模型应用、AI Agent系统或复杂分布式平台的研发。
• 标杆经历： 有从0到1构建复杂AI系统的经验，或在知名大厂/独角兽企业担任过AI核心产品技术负责人者优先。

2. 扎实的工程架构能力

• 语言与框架： 精通Java/Go/Python中至少一门语言，具备深厚的并发编程、网络编程及数据库调优功底；熟悉LangChain、LlamaIndex、AutoGen等主流Agent框架源码和开发经验。
• 系统设计： 具备卓越的系统设计能力，熟悉微服务架构、事件驱动架构及Serverless技术，能够设计支撑高吞吐、低延迟的实时交互系统。
• 云原生技术： 熟练掌握Kubernetes、Docker等云原生技术，具备大规模集群管理与调度经验。

3. AI大模型与Agent实战经验

• 核心技术栈： 深刻理解LLM原理，精通RAG（检索增强生成）的高级优化策略（如混合检索、重排序、知识图谱融合）；有Multi-Agent协作框架设计及落地经验。
• 模型调优： 熟悉Prompt Engineering、SFT（监督微调）、RLHF及In-context Learning等技术，能够根据业务场景指导模型选型与调优。
• 评估体系： 有构建Agent自动化评估体系（Evaluation Harness）的经验，能够量化评估Agent的准确性、鲁棒性及任务完成率。

4. 系统思维与商业敏感度

• 全局视野： 具备极强的系统思维，能够从业务本质出发，权衡技术投入产出比（ROI），避免过度设计，确保技术方案服务于商业目标。
• 问题解决： 擅长在模糊和不确定的环境下定义问题、拆解问题并推动解决，具备出色的危机处理能力。
• 沟通影响力： 具备优秀的跨部门沟通协调能力，能够清晰地向非技术高层阐述技术价值，推动资源倾斜与战略对齐。