阿里巴巴
面向AI芯片AI agent软件研发提效-阿里星
面向AI芯片AI agent软件研发提效-阿里星
发布于 大约 14 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Ai Agent
Go
Llm
Prompt Engineering
Rag
代码生成
值不值得投
80综合评分
综合评分 80
前沿AI Agent工程化岗位，技术成长空间极大，薪资有竞争力，但WLB和发展路径需在面试中深入了解。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
50K
与人工智能中位数基本持平
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 2510 个在招 · 其中人工智能 约 240 个
市场机会
选择面较广
北京 · 人工智能 · 约 280 个在招
职位详情
关于这个职位
这是一个在阿里巴巴AI芯片软件团队中，专注于利用AI Agent（智能体）技术来革新软件开发流程的岗位
你将既是相关技术的研究者与实践者，也是团队内的布道者，负责构建面向芯片软件团队的智能研发助手，以提升从代码生成、评审到测试、文档等全环节的研发效率与体验
最低要求
计算机科学、软件工程、人工智能或相关专业，硕士及以上学历（博士优先）
对 AI Agent、LLM 应用、Prompt Engineering 有深入理解和实践经验
扎实的编程能力（Python/TypeScript/Go 至少一种），有全栈开发经验者优先
熟悉软件工程的最佳实践（CI/CD、Code Review、自动化测试、DevOps）
对提升研发效能有热情，善于发现和解决研发流程中的痛点
有良好的沟通和表达能力，能够推动跨团队的技术落地
工作职责
研究和探索 AI Agent 在软件研发场景中的应用，包括但不限于：代码生成与补全、智能代码评审（Code Review）、自动化单元测试生成、Bug 自动修复、技术文档自动生成
设计并实现面向 AI 芯片软件团队的智能研发助手平台，集成到日常开发流程中（IDE、CI/CD、代码仓库）
构建研发知识库和 RAG（检索增强生成）系统，沉淀团队的技术文档、代码规范、最佳实践，让 AI Agent 能够理解和应用
探索 Multi-Agent 协作框架，实现多个 AI Agent 协同完成复杂的软件工程任务（如需求分析 → 架构设计 → 代码实现 → 测试验证的全流程自动化）
跟踪 AI Agent 和软件工程领域的最新研究进展，定期在团队内部分享和布道
与效能部、工具链部协作，将 AI Agent 能力嵌入到团队的日常工具和流程中
优先资格
在软件工程、AI Agent、NLP 等领域发表过顶级论文（ICSE/FSE/ASE/NeurIPS/ICML/ACL 等）
参与过开源 AI Agent 框架（LangChain、AutoGPT、CrewAI 等）或 AI Coding 工具（Cursor、Copilot、Aider 等）的开发
有构建 RAG 系统、知识图谱、代码理解工具的实际经验
有大规模代码仓库（百万行级别）的代码分析和理解经验
有 AI 芯片、编译器、底层系统等领域的背景知识（非必须，但有助于理解业务场景）
AI 洞察
优缺点分析
优点
- 能接触到大规模、复杂的芯片软件代码库，积累宝贵的工程经验
- 在大公司平台内探索和实践尖端技术，有丰富的资源支持和影响力扩散机会
- 技术栈新颖且快速演进，需要持续高强度学习以跟上前沿
- 需要将复杂的AI能力稳定地集成到现有研发流程中，对工程化和系统设计能力要求极高
- 作为‘布道者’角色，需要良好的沟通和推动力，跨团队协作可能有一定难度
- 具备扎实计算机科学基础，对AI在工程中应用有执着热情，乐于解决复杂系统性问题，并愿意承担技术传播责任的资深工程师或研究员
缺点 / 挑战
- 处于AI与软件工程交叉的前沿领域，技术挑战高，成长性强
角色解读
- 技术专家路线：深耕AI+软件工程领域，成为行业内的技术布道者与架构师
- 技术管理路线：带领小团队，负责更复杂的AI赋能研发工具链或平台的规划与落地
- 横向拓展：将积累的AI Agent工程化经验迁移至其他需要智能化提效的领域
- 研究并实现AI Agent在软件开发全生命周期（编码、评审、测试、文档）中的应用，构建智能助手平台
- 设计并维护面向研发团队的知识库与RAG系统，让AI能有效利用团队内部的最佳实践与文档
- 探索多Agent协作技术，以实现从需求到交付的复杂软件工程任务自动化
- 精通AI Agent、LLM应用和Prompt Engineering的理论与实践
- 具备扎实的编程能力（Python/TS/Go）和全栈开发经验，熟悉DevOps与CI/CD流程
- 深刻理解软件工程方法论，并对通过技术手段提升研发效能有强烈热情和洞察力
申请策略
- 面试前，思考并准备1-2个你认为AI Agent最能提升的软件研发痛点及其解决思路
- 了解阿里巴巴在AI基础设施和芯片软件方面的公开信息，理解业务背景
- 突出在AI Agent、LLM或相关领域的具体项目经验与成果，最好有实际应用案例
- 详细描述参与过的软件工程效能提升项目、开发的工具或对研发流程的优化贡献
- 列出掌握的编程语言、框架（特别是AI相关）及对CI/CD等DevOps实践的熟悉程度
- 如有相关学术论文或开源贡献（如参与LangChain等项目），务必明确标出
- 系统学习并实践RAG、知识图谱构建技术，这是构建智能助手的基础
- 深入研究主流AI Agent框架（如LangChain, CrewAI）的设计与实现
面试指南
- 使用STAR法则（情境、任务、行动、结果）具体描述项目经验，重点突出技术选型、难点突破和量化成果
- 从准确性、效率、用户体验（如生成速度、结果可解释性）等多个维度回答评估问题
- 结合软件工程实践（如代码库结构、文档版本管理）来阐述知识库设计，强调可维护性
- 展示系统设计能力：明确目标拆解、定义Agent能力边界、设计通信协议和容错机制
- 请描述一个你构建或优化过的AI Agent应用案例，其中的技术挑战和解决方案是什么？
- 如何评估一个代码生成或智能评审AI模型的有效性？你会设计哪些指标？
- 在构建面向开发者的RAG系统时，你会如何组织知识库（代码、文档、规范）？如何处理动态更新？
- 如果让你设计一个多Agent协作来完成“代码提交前检查”的任务，你会如何划分Agent角色和设计交互流程？
职位点评
薪资福利80
成长发展95
工作生活55
使命价值85
薪资福利
80较高
该职位属于技术含量高、要求高的岗位，且在知名大厂，预计能提供具有市场竞争力的薪酬福利，对薪资和稳定性有较好的满足。
薪资信号偏高 (35K-65K/月)
成长发展
95较高
职位处于AI与软件工程的前沿交叉领域，技术挑战大，且有从研究到实践再到布道的完整成长链条，能极大促进技术深度和广度的提升。
技术前沿前沿/新兴技术
技术栈AI Agent、LLM、RAG、Prompt Engineering、Multi-Agent
成长机会研究和探索、跟踪...最新研究进展、分享和布道
业务类型profit_center
工作生活
55较低
JD未明确工作模式和办公地点灵活性，考虑到岗位的前沿探索性质和可能的跨团队协作需求，WLB可能因项目阶段而有波动，但具体需进一步确认。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
85较高
通过AI技术革新软件开发方式，目标是提升大规模工程团队的效率与体验，具有明确的技术使命感和行业影响力，符合推动技术进步的愿景。
行业发展高速增长赛道
社会影响中性/一般
使命信号用 AI 重塑软件开发的方式、提升软件研发的效率和体验
创新程度开拓性创新（行业首创）
Watch Jobs