阿里云智能-AI知识工程师/专家-杭州

云产品知识库构建
为所负责的云产品领域构建优质应用知识库，覆盖产品能力、使用场景、实践范例、常见问题、技术细节等层面，形成结构化、可被 AI 调用的知识资产，这是 AI 生成优质内容的核心基础。

用户场景深度理解
深入客户生产环境，亲身实操云产品，理解开发者在真实业务场景中如何使用产品，识别用户认知盲区与使用痛点，将一线洞察转化为知识库的核心内容。

云技术领域深耕
透彻理解互联网应用开发、AI、大数据、网络、安全、可观测等领域，是其中一个或者多个领域的专家，有大规模生产环境经验，能够对专业领域部署架构、能力边界、技术细节、演进路线有洞见，确保知识库内容的专业性、准确性和前瞻性。

AI 知识工程
1. 设计并落地基于 Agentic Loop 的 AI 原生内容生产系统，编排"规划→生成→校验→反思→迭代"的多智能体协作闭环，实现优质、规模化、标准化的 AI 内容持续产出。
2. 构建系统化的 Evaluation Harness，设计多层面自动化评测基准与质量门禁（事实准确性、技术深度、结构一致性、多语言对齐等），让 AI 内容质量可度量、可追溯、可自动拦截。
3. 深入实践 Human-in-the-Loop 与数据飞轮机制，将专家审核反馈、用户行为信号高效导入优化链路，在推理编排、SFT、RLHF/DPO 等阶段持续提升 AI 的技术写作能力。
4. 建立技术文档的专业评判标准与质量评测体系，以极致品味驱动 AI 能力持续提升，对 AI 生成内容进行专业级审核与评估。

基础资格
2 年以上技术内容写作 / 技术开发 / 云产品使用经验
有云产品实际使用经验（如阿里云、AWS、Azure 等）
有 Agentic Loop 或 AI 内容生产链路的实践经验（如多智能体编排、生成-校验-反思闭环等）
有实际项目开发经验、理解开发者工作流程者优先
有英文翻译能力或境外学习 / 跨文化工作背景者优先

一、知识库构建能力
理解知识库构建的基本方法与质量标准，能在指导下完成特定产品模块的知识梳理
能将零散的产品信息整理为结构化知识条目，覆盖功能说明、操作步骤、注意事项等基础层面
理解知识的可被 AI 调用性，能按规范格式输出知识内容
具备知识质量的基本判断力，能识别知识缺失与错误

二、用户场景理解能力
能亲身实操所负责的云产品，在生产环境中完成基础功能的部署与使用
能以开发者视角体验产品，记录使用过程中的困惑、障碍和痛点
理解开发者的基本工作流程，能识别产品在典型场景中的应用方式
能将个人实操经验转化为知识库内容，补充用户视角的实践洞察

三、云技术领域能力
熟悉所负责产品线的核心架构与组件依赖关系
能独立完成典型业务场景的云上部署（如"基于 ECS + RDS + SLB 的 Web 应用弹性可靠架构"）
理解产品的能力边界与常见限制（如 IOPS 上限、连接数瓶颈、冷热数据分层策略）
能阅读 API 文档并使用 CLI / SDK 进行自动化操作
参与解决用户反馈的技术问题，定位到具体配置或使用误区
与研发团队沟通确认技术细节，确保文档准确性

四、AI 知识工程能力
掌握 Agentic 内容生产的基础方法，能编排"生成→校验→反思→迭代"的 Loop，引导 AI 基于知识库产出优质技术文档初稿
了解大模型的推理与训练基本原理，能参与训练/评测语料的收集、清洗和标注工作
理解 Human-in-the-Loop 与数据飞轮机制，能将审校反馈有效导入优化链路
能根据 AI 输出问题，分析是知识库不足、Loop 编排问题还是训练/对齐策略问题，提出针对性优化建议
具备 AI 优化的实验思维，能设计对照实验（A/B、Eval 基准对比）验证优化效果

五、内容质量鉴赏能力
具备对技术文档质量的基本鉴赏力，能识别内容的准确性、完整性、可读性问题
理解优秀技术文档的核心要素：技术准确、场景贴合、逻辑清晰、表达精准
能对 AI 生成内容进行基础审校，识别事实错误、场景偏差和表达瑕疵
能参与构建轻量化的 Evaluation Harness / 评测清单，让内容质量可度量、可复核
具备"好内容"的直觉判断力，能区分合格与优秀的差异