主分类：后端与业务系统研发
辅助：AI训练推理与计算优化（仅展示）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "阿里国际站-AI+工程师-交易履约-深圳",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "深圳",
"work_mode": "未披露",AI生成
"job_category": "技术类-开发"AI生成
},
"company": {
"company_name": "阿里国际数字商业",
"company_industry": "跨境电商",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "阿里国际数字商业业务涉及国际电商平台及跨境商品交易。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 3,
"degree": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 设计并开发高可用、高并发的分布式服务；构建微服务架构（如Spring Cloud/Dubbo），优化API性能与稳定性；负责数据库（MySQL/PostgreSQL）、缓存（Redis）、消息队列（Kafka/RabbitMQ）的技术选型与性能调优。\n2. 将大模型部署到生产环境，设计实时/离线推理服务架构（如模型压缩加速、分布式训练框架集成）；监控模型线上表现（如准确率、延迟、吞吐量）；主导模型的迭代调优（参数调优、后训练、评测）；监控模型效果，定位预测偏差、数据漂移等问题。\n3. 理解大模型原理并制定工程化方案，与产品、UI/UX、测试及运维团队紧密协作，确保项目高质量交付。",
"requirements_text": "1. 本科及以上学历，计算机/数学/统计相关专业，3年以上服务端开发经验 ，有大模型落地调优经验。\n2. 精通 Java/C++/Python（至少一种） 及主流框架（Spring Boot/Gin/Django）；熟练掌握 MySQL/PostgreSQL 数据库设计与优化，精通 Redis 缓存策略；有高并发系统开发经验，熟悉分布式事务、限流熔断、负载均衡机制。\n3. 熟悉AI 工程化流程，有 Prompt 工程、RAG 应用或大模型微调经验，具备 Python 数据处理能力；掌握模型部署与监控技术栈，如：Prometheus+Grafana/Evidently。\n4. 熟悉容器化与云原生，掌握CI/CD流程与自动化测试框架。\n5. 优秀的问题分析与解决能力，较强的工程问题抽象能力，对技术难点有攻关热情，能将业务需求转化为可落地方案。\n6. 良好的沟通协作能力，持续学习，主动关注技术动态并自我更新，推动团队进步。\n7. 加分项：熟悉模型压缩技术（Quantization/Pruning）或推理加速框架（TensorRT/OpenVINO）、掌握大数据处理工具（Spark/Flink）、了解强化学习（RL）或多目标优化模型、有完整支持大模型从开发到上线的全链路项目经历的优先。",
"skills": [AI生成
"Python",
"Java",
"C++",
"MySQL",
"PostgreSQL",
"Redis",
"Spark",
"Flink",
"Spring",
"Django",
"强化学习",
"数据库",
"模型微调",
"自动化测试",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "7. 加分项：熟悉模型压缩技术（Quantization/Pruning）或推理加速框架（TensorRT/OpenVINO）、掌握大数据处理工具（Spark/Flink）、了解强化学习（RL）或多目标优化模型、有完整支持大模型从开发到上线的全链路项目经历的优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://aidc-jobs.alibaba.com/off-campus/position-detail?positionId=100023735022"
}
]
},
"posting": {
"posting_id": "100023735022",
"post_date": "2026-07-20",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://aidc-jobs.alibaba.com/off-campus/position-detail?positionId=100023735022"
},
"fulltext": "阿里国际站-AI+工程师-交易履约-深圳\n阿里国际站-AI+工程师-交易履约-深圳\n\n基础信息\n职位类别：技术类-开发\n工作地点：深圳\n\n职位描述\n1. 设计并开发高可用、高并发的分布式服务；构建微服务架构（如Spring Cloud/Dubbo），优化API性能与稳定性；负责数据库（MySQL/PostgreSQL）、缓存（Redis）、消息队列（Kafka/RabbitMQ）的技术选型与性能调优。\n2. 将大模型部署到生产环境，设计实时/离线推理服务架构（如模型压缩加速、分布式训练框架集成）；监控模型线上表现（如准确率、延迟、吞吐量）；主导模型的迭代调优（参数调优、后训练、评测）；监控模型效果，定位预测偏差、数据漂移等问题。\n3. 理解大模型原理并制定工程化方案，与产品、UI/UX、测试及运维团队紧密协作，确保项目高质量交付。\n\n职位要求\n1. 本科及以上学历，计算机/数学/统计相关专业，3年以上服务端开发经验 ，有大模型落地调优经验。\n2. 精通 Java/C++/Python（至少一种） 及主流框架（Spring Boot/Gin/Django）；熟练掌握 MySQL/PostgreSQL 数据库设计与优化，精通 Redis 缓存策略；有高并发系统开发经验，熟悉分布式事务、限流熔断、负载均衡机制。\n3. 熟悉AI 工程化流程，有 Prompt 工程、RAG 应用或大模型微调经验，具备 Python 数据处理能力；掌握模型部署与监控技术栈，如：Prometheus+Grafana/Evidently。\n4. 熟悉容器化与云原生，掌握CI/CD流程与自动化测试框架。\n5. 优秀的问题分析与解决能力，较强的工程问题抽象能力，对技术难点有攻关热情，能将业务需求转化为可落地方案。\n6. 良好的沟通协作能力，持续学习，主动关注技术动态并自我更新，推动团队进步。\n7. 加分项：熟悉模型压缩技术（Quantization/Pruning）或推理加速框架（TensorRT/OpenVINO）、掌握大数据处理工具（Spark/Flink）、了解强化学习（RL）或多目标优化模型、有完整支持大模型从开发到上线的全链路项目经历的优先。\n1. 设计并开发高可用、高并发的分布式服务；构建微服务架构（如Spring Cloud/Dubbo），优化API性能与稳定性；负责数据库（MySQL/PostgreSQL）、缓存（Redis）、消息队列（Kafka/RabbitMQ）的技术选型与性能调优。\n2. 将大模型部署到生产环境，设计实时/离线推理服务架构（如模型压缩加速、分布式训练框架集成）；监控模型线上表现（如准确率、延迟、吞吐量）；主导模型的迭代调优（参数调优、后训练、评测）；监控模型效果，定位预测偏差、数据漂移等问题。\n3. 理解大模型原理并制定工程化方案，与产品、UI/UX、测试及运维团队紧密协作，确保项目高质量交付。\n1. 本科及以上学历，计算机/数学/统计相关专业，3年以上服务端开发经验 ，有大模型落地调优经验。\n2. 精通 Java/C++/Python（至少一种） 及主流框架（Spring Boot/Gin/Django）；熟练掌握 MySQL/PostgreSQL 数据库设计与优化，精通 Redis 缓存策略；有高并发系统开发经验，熟悉分布式事务、限流熔断、负载均衡机制。\n3. 熟悉AI 工程化流程，有 Prompt 工程、RAG 应用或大模型微调经验，具备 Python 数据处理能力；掌握模型部署与监控技术栈，如：Prometheus+Grafana/Evidently。\n4. 熟悉容器化与云原生，掌握CI/CD流程与自动化测试框架。\n5. 优秀的问题分析与解决能力，较强的工程问题抽象能力，对技术难点有攻关热情，能将业务需求转化为可落地方案。\n6. 良好的沟通协作能力，持续学习，主动关注技术动态并自我更新，推动团队进步。\n7. 加分项：熟悉模型压缩技术（Quantization/Pruning）或推理加速框架（TensorRT/OpenVINO）、掌握大数据处理工具（Spark/Flink）、了解强化学习（RL）或多目标优化模型、有完整支持大模型从开发到上线的全链路项目经历的优先。",
"standard_classification": {
"std_category_code": "T002",
"std_aux_codes": [
"T014"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}