阿里巴巴
业务技术-AI Agent工程师-商品方向
业务技术-AI Agent工程师-商品方向
发布于 大约 7 小时前普通员工/个人贡献者
杭州市
高级经验
全职员工
仅现场办公
本科
机器学习工程
Langgraph
Mcp
Multi-Agent
Prompt Engineering
Rag
高并发
AI 估算 · 30k–60k
AI Agent领域热门，阿里平台加成，3年以上经验薪资较高，年终奖丰厚。
职位详情
关于这个职位
该职位负责阿里巴巴淘天集团商品方向的AI Agent工程师，利用LLM和Multi-Agent技术重塑商品全生命周期，包括商品发布、管理、理解等
需要设计高并发场景下的Agent化改造，并落地RAG、工具调用等方案
适合有后端/AI经验、熟悉Agent框架的工程师
最低要求
本科及以上学历，3 年以上后端 / AI 工程经验，扎实的 Java 或 Python 功底，熟悉分布式与高并发系统设计
熟练使用 Qoder、Cursor、Claude Code、Copilot、Windsurf 等主流 AI 编程工具，具备 AI 辅助开发实战经验
熟悉至少一种 Agent 开源框架（LangChain / LangGraph、agentscope、openclaw、Hermes Agent、Dify、MetaGPT 等）的原理与源码
熟悉 ReAct、Plan-and-Execute、Multi-Agent、Reflection、RAG 等主流 Agent 范式，掌握 Prompt / Context Engineering 与 MCP、Function Calling
有较强的自主学习与跨团队沟通能力，良好的责任心、团队协作精神和抗压能力
工作职责
参与商品发布、管理、理解相关 Agent 的技术研究与产品研发，结合 LLM / Multi-Agent 重塑商品全生命周期
负责高并发商品消费、库存扣减等核心链路的 Agent 化改造，保障大促级流量下的稳定性与一致性
为商品域提供 Agent 编排、工具调用、RAG 知识库等端到端方案的设计与落地，推动横向能力复用
与SPU/类目技术、发布端、IC 中心等团队协同，沉淀商品 Agent 平台与最佳实践，包括但不限于商品分类、属性抽取、标题生成、图像识别（如主图识别、多模态理解）、商品去重与归一化等
优先资格
有商品、交易、库存等高并发业务场景的工程经验，熟悉幂等、限流、降级、缓存等保障手段者优先
有 LLM 微调、向量检索、Agent 沙箱或 LLM Gateway 落地经验者优先
AI 洞察
优缺点分析
优点
- 聚焦前沿AI Agent技术，有丰富的实战机会，技术成长快
- 平台规模大，资源丰富，可与优秀团队协作，拓展视野
- 需要同时掌握后端高并发与AI工程知识，技术栈要求高
- 大促期可能面临高强度工作，需要较强的抗压能力
- Agent技术仍在快速演进，需要持续学习，跟上变化
- 适合热爱AI技术、愿意在复杂业务场景中解决难题，且能适应快节奏的工程师
缺点 / 挑战
- 身处阿里巴巴核心电商业务，涉及高并发真实场景，技术挑战大
角色解读
- 成为AI Agent领域的专家，深入掌握大模型应用架构
- 可向技术专家或架构师方向发展，主导商品智能化平台建设
- 有机会横向扩展到阿里集团其他业务域的AI应用
- 随着Agent技术成熟，未来可转型为AI产品技术负责人
- 负责设计与开发商品域的AI Agent系统，应用LLM和多智能体技术优化商品发布、管理和理解流程
- 对高并发的商品消费和库存扣减链路进行Agent化改造，确保大促等峰值流量下的系统稳定性
- 搭建Agent编排、工具调用和RAG知识库等端到端能力，并推动与商品相关团队的技术协同
- 扎实的Java或Python编程能力，熟悉分布式系统和高并发设计
- 熟悉主流Agent框架（如LangChain、LangGraph）和Agent范式（ReAct、Multi-Agent等）
- 掌握Prompt Engineering、MCP、Function Calling等LLM应用技术
- 了解商品、交易等领域业务者优先
申请策略
- 了解淘天商品业务的特点，面试中展现对业务的理解
- 准备一个自己主导的Agent项目，详细讲透技术选型和难点
- 关注AI编程工具的使用，展示AI辅助开发的效率
- 突出AI Agent项目经验，包括使用的框架、解决的问题与最终效果
- 强调高并发系统设计经历，尤其是商品、交易、库存相关场景
- 展示对LangChain、RAG、Function Calling等技术栈的深度理解
- 如有LLM微调、向量检索等经验，务必重点提及
- 系统学习主流Agent框架源码，理解其设计原理
面试指南
- 用STAR法则回答问题，突出结果和影响
- 结合项目经验，先讲清业务场景，再讲技术方案，最后总结可复用的经验
- 对于技术原理问题，可从定义、工作流程、优缺点和适用场景四个维度展开
- 请介绍一个你设计的Agent系统，包括架构、选型理由和遇到的挑战
- 解释Multi-Agent系统中如何处理状态一致性问题
- 在高并发场景下，如何保证Agent服务的稳定性和降级策略？
- 如何优化RAG的检索质量和效率？
- 谈谈你对MCP协议的理解和应用场景
职位点评
72
综合评分
阿里核心电商业务的AI Agent岗位，技术前沿、薪资可观，但工作强度可能较大。
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。
更适合这类人
适合追求前沿AI技术成长、看重平台资源、对工作强度有准备的候选人。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展92
工作生活45
使命价值65
薪资福利
75中等
阿里巴巴薪资整体偏高端，但JD未披露具体数字和福利，补偿性动机中等偏上。
薪资信号未披露（AI估算：30K-60K/月）
成长发展
92较高
职位深度结合LLM和Agent前沿技术，技术挑战大且平台资源丰富，发展性动机强。
技术前沿前沿/新兴技术
技术栈LLM、Multi-Agent、RAG、LangChain、Function Calling、MCP、Java、Python
业务类型ambiguous
工作生活
45较低
JD无WLB相关内容，且阿里电商业务繁忙，工作节奏可能较快，生活化动机较弱。
工作模式仅现场办公
办公地点科技园/产业园
加班情况JD含高强度暗示词
使命价值
65中等
商品智能化提效对电商业务有意义，但社会价值属性不强，意义感动机一般。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs