杭州售前方案工程师
售前方案工程师是一种专门从事销售前技术支持工作的职业。他们负责理解客户的需求，与销售团队合作，为客户设计合适的技术方案，帮助客户理解产品的技术特点和应用价值。他们需要通过深入的技术了解和沟通能力，结合客户的需求和实际情况，设计出最优化的解决方案，完成技术文档的编制，以及客户演示和培训等工作。售前方案工程师需要具备较强的技术背景和逻辑思维能力，能够跨部门合作，并具备良好的沟通能力和客户服务意识，为企业的销售工作提供重要的技术支持。总之，售前方案工程师在销售过程中扮演着技术、沟通和支持的重要角色。
薪酬概览
平均月薪
¥14000
中位数 ¥13000 ｜ 区间 ¥11200 - ¥16700
数据来源：谈职全网11份招聘数据；更新时间：2026年7月13日
月薪分布
45.5% 人群薪酬落在 15-30k
三大影响薪酬的核心维度
影响薪资的核心维度1：工作年限
影响薪资的核心维度2：学历背景
市场需求
4月新增岗位
50
对比上月：岗位新增30
数据由各大平台公开数据统计分析而来，仅供参考。
岗位需求趋势
不同经验岗位需求情况
| 工作年限 | 月度新增职位数 | 职位占比数 |
|---|---|---|
| 1-3年 | 16 | 32.7% |
| 3-5年 | 8 | 16.3% |
| 不限经验 | 25 | 51% |
热招职位
及职责：
1、主要负责触摸屏、PLC、伺服电机等产品在管辖区域的销售及技术支持工作
2、通过各种途径，与重要客户、合作伙伴建立并维护长期稳定的良好关系，并组织做好客户服务；
3、维护当前客户和销售渠道。
任职资格：
1、熟悉本地OEM市场，有从事自动化产品销售2年以上经验。
2、对HMI,伺服，PLC有一定的了解；具有推荐常见的系统解决方案的能力；有较强的沟通、协调能力。
3、有激情，勤奋，乐观，喜欢挑战。
4、有OEM客户基础，善于关系营销优先考虑。
工作地点：杭州
数据技术及产品部-数据处理工程师-RL训练数据方向（Work）
我们正在搭建 Work（AI 协同办公）方向的 RL/RFT 训练数据体系。这个岗位的核心职责是从线上回流数据中挖掘高价值样本：清洗、筛选、合成、发现 bad case，把海量线上数据变成模型训练和数据标注真正能用的东西。
职位描述
1. 线上数据回流与清洗
对接模型线上 rollout 产生的原始数据（轨迹、日志、用户反馈、执行结果等），设计清洗 pipeline，去重、去噪、过滤无效样本，把脏数据变成结构化可用的样本集。
2. 高价值数据挖掘
从海量线上数据中挖掘对模型训练有价值的样本：高难度任务、罕见场景、模型易错 case、用户真实需求分布。建立挖掘策略（规则 + 模型 + LLM 多信号融合），提升高价值样本的召回率。
3. Bad Case 发现与归因
系统性发现 bad case：模型执行失败、输出低质量、轨迹异常、用户投诉等。对 bad case 做根因分类（模型能力问题 / 数据分布问题 / 任务定义问题 / 环境依赖问题），输出结构化报告驱动数据补充和评测修正。
4. 数据合成与增强
设计数据合成策略：基于 LLM 对已有样本做变体生成、难度扩展、场景泛化，补充模型训练数据中的稀缺类型；验证合成数据质量，确保合成样本可直接用于训练。
5. LLM 驱动的精细化筛选
用 LLM-as-judge、质量评分模型等方式对海量数据做精筛，识别"表面合理但实际错误"的样本，把数据质量从"能看"升级到"能训"。设计筛选阈值与采样策略，平衡数据规模与质量。
6. 数据标注前置处理
为下游标注团队准备可标注的数据包：去重、预分类、标注难度分级、边界 case 标记，降低标注成本、提升标注效率。定期输出数据分布报告，指导标注优先级。
7. 数据 Pipeline 与基础设施
搭建端到端的数据处理 pipeline：采集 → 清洗 → 挖掘 → 合成 → 筛选 → 输出。保证数据可追溯（血缘管理）、可复现（版本管理）、可观测（关键指标监控）。
8. 协同算法与标注团队
与模型训练团队对齐"下一轮需要什么数据"，与标注团队对齐"什么样的数据值得标"，把数据挖掘变成模型能力提升的持续供给。
1.负责账号/权限/审批相关产品或平台的项目迭代和日常维护工作，和团队成员协作支持业务运转；
2.主导前端技术方案设计、产出、实施，解决跨业务域抽象、多技术栈混杂、微应用框架体系等技术挑战；
3.参与前端团队的组件沉淀、开发规范制定等，共同建设前端技术底座，包括但不限于AI Agent开发、可视化、微前端、低代码、组件化等方向；
4.探索web前沿技术，关注用户体验和潜在需求，拓展前端能力边界；
1. 负责视频处理算法开发和相关硬件的Pre/Post-silicon验证；
2. 负责计算机视觉算法性能提升；
3. 负责CV产品化和相关应用场景的对接；
1、本科及以上学历，计算机科学、软件工程或相关专业背景；
2、Java 基础扎实，深入理解 JVM、多线程、IO、集合等核心机制，具备良好的编码规范与工程素养；
3、1年以上 Java 服务端开发经验，有高并发、高可用分布式系统的设计与落地经验，熟悉微服务、缓存、消息队列、数据库分库分表等关键技术；
4、熟悉主流 Java 开源框架，能理解其底层原理并进行合理选型与运用；
5、学习能力强，具备技术热情与开放心态，对 AI、Agent、云原生等前沿方向保持敏感，有潜力成长为复合型技术骨干；
6、优先考虑：有 AI Agent 相关项目实践经验，熟悉上下文工程、Skills、MCP、RAG等技术体系；熟练使用 AI 编程助手（如Cursor、Claude Code、Qoder 等）辅助开发。
1. 计算机、数学、人工智能等相关专业硕士及以上学历，3年以上算法研发经验，有用户权益算法和用户增长算法经验者优先
2. 具备良好的代码实现能力，熟练使用至少一种开源深度学习框架（如PyTorch、TensorFlow）
3. 精通深度学习/强化学习、因果推断、在线运筹技术，具备推荐系统全链路、多模态/大模型落地经验
4. 具有良好的逻辑分析与问题拆解能力，能快速学习前沿技术，并推动技术方案与业务场景的深度融合
5. 对电商、社交或内容推荐场景有深刻理解，熟悉用户增长策略、营销策略，能快速将技术方案转化为业务价值
1、负责项目生命周期内的各事项协调管理，落实项目执行标准，在需求高频变化的环境下保障多线并行的交付节奏和质量，处理项目运行过程中的突发问题；
2、深入了解各项目执行的差异性和痛点卡点，可分析原因、提出改进方案并落实改进，尤其关注AI native研发模式下流程和协作方式的适配问题；
3、对项目生命周期内不同阶段的风险具备清晰的认识及预判，及时风险前置提出有效管控措施；
4、持续总结项目实践经验，优化项目管理体系及过程改进，探索适配高频迭代节奏的项目管理方法和工具体系，提供流程、工具、方法支持，提升团队研发效率和质量；
5、负责横向专项攻坚，为项目里程碑达成，发版稳定性、组织效能、跨团队高效协同及资源集中投入等方向负责。
1、参与风险数据AI native基础设施建设。 参与tools、记忆、知识、skills、subAgent和Agent整体AI native基础设施的构建。 满足风险数据生成和分析的AI native化。打造高性价比、高可用、先进性的阿里安全数据基座。
2、负责 AI Coding 后端服务的设计、开发与高可用部署，应对亿级数据处理、毫秒级响应、强一致性与数据安全等复杂技术难题，保障大规模线上服务的可靠运行。支撑data+AI 的AI智能能力。
3、引领技术创新与工程效能提升，主动追踪 AI 工程化、向量计算、实时数仓、智能调度等前沿技术趋势，推动先进技术在业务场景中的高效落地。
1. 负责视觉生成大模型 Post-Training 核心算法研发，包括 RL、蒸馏、reward model等，持续提升生成结果的质量与多样性
2. 跟踪视觉生成领域的最新学术进展和行业动态，鼓励发表高水平论文和开源成果，提升团队算法影响力
3. 参与高质量训练数据的构建与合成，包括但不限于数据清洗、标注与评估体系搭建等
4. 探索多模态理解与生成统一架构，探索视觉感知与生成能力的协同演进，推动文本、图像、视频等多模态信息的联合建模
1. AI数据资产体系建设：负责核心AI数据资产体系，结合业务需求与数据算法能力，主导大数据的处理、解析、分析、挖掘、研发及优化工作。
2. 合成数据与数据多样性：主导结合场景的合成数据多样性生产： 探索基于 AI 模型的合成数据技术，主动解决特定领域（如逻辑推理、长尾语种）的数据稀缺问题。
3. 基于数据语义化，利用大模型做资产库的AI native 的自动生产。
4. 数据驱动的生产闭环：基于评测/资产结论，将其转化为工程层面的“数据增强策略”。通过反馈快速构建数据生产流程形成数据供给的闭环。
5. 持续跟踪及探索Data + AI方向的行业进展（如Data Agent、AIOps、湖仓一体智能优化等），主动开展技术预研与原型验证，推动先进技术在公司中的适配与规模化应用。
【团队介绍】
阿里巴巴中间件团队是集团基础技术的核心支撑力量，负责消息、服务发现与软负载、分布式协调、任务调度）、配置管理等核心中间件产品在集团内部的稳定性保障与运维体系建设。
这些中间件承载了阿里集团几乎所有在线业务的流量调度、服务通信与数据流转，覆盖电商、物流、本地生活、云计算、大文娱等 BU，日均处理万亿级消息、百万级服务节点调度，是每年双 11 大促的底层生命线。
团队当前重点方向：
1、稳定性工程 — 从准入规范、变更管控到容灾演练的全链路保障体系，目标全年中间件可用性
99.99%；
2、AI 智能运维（Agentic SRE） — 将运维经验沉淀为 Agent Skills，通过 LLM + MCP 实现告警自愈、风险治理、架构演进，通过 AI 提升中间件产品的稳定性
我们相信：下一代 SRE 不只是运维工程师，更是用 AI 重新定义运维的人。 如果你既有系统功底，又对用技术杠杆 10x 提效充满热情，这里是你的主场。
【职责描述】
1. 负责阿里巴巴集团核心中间件（软负载 / 消息 / ZooKeeper / 配置中心等）的稳定性保障，包括故障定位、性能调优、容量规划与成本治理；
2. 主导中间件重大风险识别、应急预案设计与容灾演练，确保分钟级恢复能力；
3. 建设中间件 + AI 智能运维体系（Agent / Skills / MCP），实现 10x 效率提升，将人工经验沉淀为可复用的自动化能力；
4. 面向业务需求提供中间件选型建议与架构方案，联动产品和开发推动落地；
5. 参与大规模集群建站、大促备容及架构升级，支撑集团业务持续增长。
1、对接执法资源，响应协查指令，推进合作关系及业务落地，保障平台业务稳定、高效的进行；
2、了解相关行业动态、法规政策，把握合规水位，感知业务风险，协同内部团队妥善处理风险；
2、理解业务及策略，搭建全面准确的数据指标体系，通过数据驱动不断改善内外部效能、体验；
1. 本科及以上学历，3年以上互联网平台运营或行业合作经验，有电商平台行业运营、BD合作或商家增长背景优先；
2. 熟悉至少2个以上电商行业的商家经营模式与竞争格局（如服饰、快消、家电等），能清晰拆解不同行业商家在流量获取、成本控制、成交转化上的核心诉求差异；
3. 理解成本型/托管型广告产品的基本原理（如CPS结算、费率体系、佣金机制），能与产品、算法团队就行业定制化需求做有效沟通，推动产品策略的行业适配；
4. 数据敏感度高，熟练使用SQL或数据平台完成行业商家分层分析、合作效果归因与机会挖掘，具备从数据洞察到策略落地的闭环能力；
5. 具备优秀的跨团队沟通与项目推动能力，能在多方利益诉求中找到共识方案，逻辑清晰、表达严谨，善于用结构化方式呈现合作策略与业务进展。