{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "阿里云智能-公共云解决方案架构师-Agentic应用架构方向（杭州/北京）",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "云智能集团",
        "location": "北京 / 杭州",
        "work_mode": "未披露",AI生成
        "job_category": "软件研发"AI生成
    },
    "company": {
        "company_name": "阿里云",
        "company_industry": "云计算 / 人工智能",
        "company_size": "10000人以上",
        "company_website": "alibaba.com",
        "company_description": "阿里云提供云基础设施、AI模型、智能体和计算服务。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": 3,
        "degree": "本科",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、解决方案设计与交付\n基于阿里云 AI 产品矩阵（PAI、百炼、AgentScope、AgentRun、模型服务等），为客户设计端到端的 AI 应用架构方案。典型场景包括：大模型选型与部署策略、推理服务架构设计、Agent/Multi-Agent 系统架构、RAG 系统构建、AI 应用与企业系统集成等。\n2、技术布道与能力建设\n开发面向一线 SA 的 AI 应用架构培训体系，提升整个 SA 组织为客户设计 AI 方案的能力；面向客户开展技术 Workshop，推动客户理解和采用阿里云 AI 解决方案。\n3、重点项目技术攻坚\n以 Task-Force 方式深度介入重点客户项目，包括：需求诊断与方案定制、技术选型咨询、PoC 设计与验证、竞品方案对比分析等。\n4、技术前瞻与产品反馈\n持续跟踪 AI 应用架构领域的技术趋势（模型能力演进、Agent 框架生态、推理优化技术等），输出竞争分析与趋势洞察，反哺产品迭代。",
        "requirements_text": "必备能力\n● 解决方案架构设计能力：具备体系化的解决方案架构设计思维，能针对具体的 Agentic 应用场景（如企业级 RAG 系统、Multi-Agent 业务系统、Agent 与企业系统集成平台等）独立完成端到端架构设计，涵盖逻辑架构与关键组件设计、组件的技术选型对比，以及稳定性、可靠性、成本、可扩展性等非功能性维度（卓越架构）的评估与权衡。\n● 3 年以上 AI 相关系统经验，且有独立主导端到端方案设计（而非仅参与单点模块开发）的经历\n● 具备以下两个能力域中至少一个的深度经验，另一个具备基础认知（两者都服务于企业 Agentic 应用的落地）：\n● Agentic 应用架构（主轴）：理解 Agent 设计模式（规划、记忆、工具调用、多 Agent 协作），有 LangChain、LlamaIndex、AgentScope 或同类框架的实际项目经验；熟悉 RAG 架构设计与优化；能设计 Agent 应用与企业业务系统的集成方案\n● 模型微调与推理（支撑应用的基础设施）：熟悉大模型微调与推理部署链路，了解主流推理框架（vLLM、SGLang、TensorRT 等）与推理优化手段，熟悉 GPU 资源规划与成本优化；一般不涉及大模型预训练\n● 熟悉 MaaS 平台运作模式，能根据业务场景做出模型选型决策（开源 vs 商业、大模型 vs 小模型、通用 vs 领域等）\n● 具备 Python/Go/Java 等至少一种语言的 2 年以上开发经验（用于判断技术可行性与方案边界，而非承担交付层编码）\n● 具备云计算与云原生的基础架构认知：理解计算、存储、网络等基础产品；理解容器化与容器编排（Docker、Kubernetes）的架构思想，能判断 Agent 应用在生产环境中的部署、扩缩容、可观测性等技术选型\n● 优秀的面向客户技能：能向客户中高层清晰传递技术方案价值，引导技术选型决策\n加分项\n● 有大模型后训练（SFT/RLHF/DPO）实操经验\n● 有 Coding Agent 或 AI 辅助编程的构建经验\n● 有多模态模型应用（视觉、语音、视频生成）的项目经验\n● 有在生产环境运行 Agent 系统的经验（可靠性、可观测性、成本控制）",
        "skills": [AI生成
            "Python",
            "Java",
            "Docker",
            "Kubernetes",
            "模型微调",
            "架构设计",
            "可靠性",
            "Go",
            "大语言模型",
            "检索增强生成"
        ],
        "preferred_qualifications": "加分项",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://careers.aliyun.com/off-campus/position-detail?positionId=100008623014"
            }
        ]
    },
    "posting": {
        "posting_id": "100008623014",
        "post_date": "2026-09-10",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://careers.aliyun.com/off-campus/position-detail?positionId=100008623014"
    },
    "fulltext": "阿里云智能-公共云解决方案架构师-Agentic应用架构方向（杭州/北京）\n阿里云智能-公共云解决方案架构师-Agentic应用架构方向（杭州/北京）\n\n基础信息\n工作地点：北京 / 杭州\n\n职位描述\n1、解决方案设计与交付\n基于阿里云 AI 产品矩阵（PAI、百炼、AgentScope、AgentRun、模型服务等），为客户设计端到端的 AI 应用架构方案。典型场景包括：大模型选型与部署策略、推理服务架构设计、Agent/Multi-Agent 系统架构、RAG 系统构建、AI 应用与企业系统集成等。\n2、技术布道与能力建设\n开发面向一线 SA 的 AI 应用架构培训体系，提升整个 SA 组织为客户设计 AI 方案的能力；面向客户开展技术 Workshop，推动客户理解和采用阿里云 AI 解决方案。\n3、重点项目技术攻坚\n以 Task-Force 方式深度介入重点客户项目，包括：需求诊断与方案定制、技术选型咨询、PoC 设计与验证、竞品方案对比分析等。\n4、技术前瞻与产品反馈\n持续跟踪 AI 应用架构领域的技术趋势（模型能力演进、Agent 框架生态、推理优化技术等），输出竞争分析与趋势洞察，反哺产品迭代。\n\n职位要求\n必备能力\n● 解决方案架构设计能力：具备体系化的解决方案架构设计思维，能针对具体的 Agentic 应用场景（如企业级 RAG 系统、Multi-Agent 业务系统、Agent 与企业系统集成平台等）独立完成端到端架构设计，涵盖逻辑架构与关键组件设计、组件的技术选型对比，以及稳定性、可靠性、成本、可扩展性等非功能性维度（卓越架构）的评估与权衡。\n● 3 年以上 AI 相关系统经验，且有独立主导端到端方案设计（而非仅参与单点模块开发）的经历\n● 具备以下两个能力域中至少一个的深度经验，另一个具备基础认知（两者都服务于企业 Agentic 应用的落地）：\n● Agentic 应用架构（主轴）：理解 Agent 设计模式（规划、记忆、工具调用、多 Agent 协作），有 LangChain、LlamaIndex、AgentScope 或同类框架的实际项目经验；熟悉 RAG 架构设计与优化；能设计 Agent 应用与企业业务系统的集成方案\n● 模型微调与推理（支撑应用的基础设施）：熟悉大模型微调与推理部署链路，了解主流推理框架（vLLM、SGLang、TensorRT 等）与推理优化手段，熟悉 GPU 资源规划与成本优化；一般不涉及大模型预训练\n● 熟悉 MaaS 平台运作模式，能根据业务场景做出模型选型决策（开源 vs 商业、大模型 vs 小模型、通用 vs 领域等）\n● 具备 Python/Go/Java 等至少一种语言的 2 年以上开发经验（用于判断技术可行性与方案边界，而非承担交付层编码）\n● 具备云计算与云原生的基础架构认知：理解计算、存储、网络等基础产品；理解容器化与容器编排（Docker、Kubernetes）的架构思想，能判断 Agent 应用在生产环境中的部署、扩缩容、可观测性等技术选型\n● 优秀的面向客户技能：能向客户中高层清晰传递技术方案价值，引导技术选型决策\n加分项\n● 有大模型后训练（SFT/RLHF/DPO）实操经验\n● 有 Coding Agent 或 AI 辅助编程的构建经验\n● 有多模态模型应用（视觉、语音、视频生成）的项目经验\n● 有在生产环境运行 Agent 系统的经验（可靠性、可观测性、成本控制）\n1、解决方案设计与交付\n基于阿里云 AI 产品矩阵（PAI、百炼、AgentScope、AgentRun、模型服务等），为客户设计端到端的 AI 应用架构方案。典型场景包括：大模型选型与部署策略、推理服务架构设计、Agent/Multi-Agent 系统架构、RAG 系统构建、AI 应用与企业系统集成等。\n2、技术布道与能力建设\n开发面向一线 SA 的 AI 应用架构培训体系，提升整个 SA 组织为客户设计 AI 方案的能力；面向客户开展技术 Workshop，推动客户理解和采用阿里云 AI 解决方案。\n3、重点项目技术攻坚\n以 Task-Force 方式深度介入重点客户项目，包括：需求诊断与方案定制、技术选型咨询、PoC 设计与验证、竞品方案对比分析等。\n4、技术前瞻与产品反馈\n持续跟踪 AI 应用架构领域的技术趋势（模型能力演进、Agent 框架生态、推理优化技术等），输出竞争分析与趋势洞察，反哺产品迭代。\n必备能力\n● 解决方案架构设计能力：具备体系化的解决方案架构设计思维，能针对具体的 Agentic 应用场景（如企业级 RAG 系统、Multi-Agent 业务系统、Agent 与企业系统集成平台等）独立完成端到端架构设计，涵盖逻辑架构与关键组件设计、组件的技术选型对比，以及稳定性、可靠性、成本、可扩展性等非功能性维度（卓越架构）的评估与权衡。\n● 3 年以上 AI 相关系统经验，且有独立主导端到端方案设计（而非仅参与单点模块开发）的经历\n● 具备以下两个能力域中至少一个的深度经验，另一个具备基础认知（两者都服务于企业 Agentic 应用的落地）：\n● Agentic 应用架构（主轴）：理解 Agent 设计模式（规划、记忆、工具调用、多 Agent 协作），有 LangChain、LlamaIndex、AgentScope 或同类框架的实际项目经验；熟悉 RAG 架构设计与优化；能设计 Agent 应用与企业业务系统的集成方案\n● 模型微调与推理（支撑应用的基础设施）：熟悉大模型微调与推理部署链路，了解主流推理框架（vLLM、SGLang、TensorRT 等）与推理优化手段，熟悉 GPU 资源规划与成本优化；一般不涉及大模型预训练\n● 熟悉 MaaS 平台运作模式，能根据业务场景做出模型选型决策（开源 vs 商业、大模型 vs 小模型、通用 vs 领域等）\n● 具备 Python/Go/Java 等至少一种语言的 2 年以上开发经验（用于判断技术可行性与方案边界，而非承担交付层编码）\n● 具备云计算与云原生的基础架构认知：理解计算、存储、网络等基础产品；理解容器化与容器编排（Docker、Kubernetes）的架构思想，能判断 Agent 应用在生产环境中的部署、扩缩容、可观测性等技术选型\n● 优秀的面向客户技能：能向客户中高层清晰传递技术方案价值，引导技术选型决策\n加分项\n● 有大模型后训练（SFT/RLHF/DPO）实操经验\n● 有 Coding Agent 或 AI 辅助编程的构建经验\n● 有多模态模型应用（视觉、语音、视频生成）的项目经验\n● 有在生产环境运行 Agent 系统的经验（可靠性、可观测性、成本控制）",
    "standard_classification": {
        "std_category_code": "B020",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}