阿里巴巴
阿里云智能-AI Agent全栈开发工程师-秒悟-杭州
阿里云智能-AI Agent全栈开发工程师-秒悟-杭州
发布于 40 分钟前普通员工/个人贡献者
全职员工仅现场办公全栈开发
全栈开发
Ai Agent
Llm
Prompt Engineering
Rag
全栈开发
分布式系统
值不值得投
74综合评分
综合评分 74
阿里云AI全栈开发岗，技术栈前沿、成长性极强，但具体工作生活平衡信息需进一步确认。
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
35K
比全栈开发中位数低
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 2250 个在招 · 其中全栈开发 12 个
市场机会
选择适中
杭州 · 全栈开发 · 20 个在招
职位详情
关于这个职位
该职位为阿里云智能旗下AI Agent开发团队的全栈开发工程师，核心职责是构建从需求理解到代码生成的完整AI Agent智能体
你需要深度参与生成式AI在实际开发场景的落地，通过Prompt工程、RAG、Agent架构优化等技术，开发和评估AI原生应用，并快速验证新产品功能，推动产品创新
最低要求
深度理解 AI 技术栈，熟悉 LLM、Agent、Prompt Engineering、RAG、Tool Calling 等 AI 核心概念，有 AI 应用开发实践经验
有扎实的编程基础和编码设计能力，熟练使用 Python/TypeScript 等语言，具备构建可维护、可测试代码库的能力
精通前端或后端技术栈，能够快速构建原型和开发评估平台，验证 AI 能力在实际场景中的效果
扎实的后端技术理解，包括数据库、缓存、消息队列和微服务等分布式系统知识
具备好奇心和持续学习能力，对 AI 技术发展保持敏感度，能独立解决 AI 应用中的复杂技术问题
工作职责
开发 AI Agent 的核心模块，推动生成式 AI 在实际开发场景中的落地应用，构建从需求理解到代码生成的完整智能体
通过 Prompt Engineering、工具设计、RAG、Agent 系统架构优化等手段，持续提升 Agent 的性能、准确性和可靠性
通过快速原型验证新产品功能创意，探索 AI 辅助开发的新模式，推动产品创新和用户体验优化
构建评估系统和自动化评估流程，建立 Agent 性能、质量和成本的可观测体系，驱动持续优化
优先资格
● 开发过 AI Agent 系统、代码生成工具、智能 IDE 插件等 AI 原生应用
● 熟悉 LangChain/LangGraph 等 Agent 框架，有 Multi-Agent 协作系统开发经验
● 有 RAG、向量数据库、Embedding 等技术的实践经验
● 了解 AI 可观测性（Langfuse/LangSmith），有 Prompt 优化和 A/B 测试经验
● 强烈的主人翁意识，能够推动项目从构思到生产全流程
● 能够快速适应动态和快节奏的工作环境
● 有国际化、分布式团队工作经验
● 为开源项目做出贡献或活跃于技术社区
● 有性能优化和大规模系统设计经验，能够分析和改进系统资源的效率、可扩展性和稳定性
● 有设定技术方向、推动共识和成功跨职能合作的经验
● 对 AI 技术充满热情，对探索 AI 驱动的开发工具和理解 AI 产品设计原则有强烈兴趣
AI 洞察
优缺点分析
优点
- 处于AI技术前沿领域，直接参与生成式AI落地最具潜力的方向之一（AI编程），技术成长空间大
- 岗位职责全面，覆盖从核心算法、工程实现到产品验证的全链条，有利于培养端到端的工程能力
- AI领域技术迭代极快，需要持续高强度学习以跟上最新进展（如新型Agent框架、模型能力），对自驱力要求高
- 在大厂体系内，跨团队协作和推动项目落地需要较强的沟通协调能力和对业务上下文的理解
- 适合对AI技术充满热情，具备扎实全栈开发基础，并希望深度参与将前沿AI技术转化为实际生产力工具的工程师
- 要求有较强的学习能力、问题解决能力和主动推动事情的Owner意识
缺点 / 挑战
- 依托阿里云和阿里巴巴的强大平台资源、海量数据和复杂业务场景，能接触到行业顶级的技术挑战和基础设施
- 构建高性能、高可靠性的AI应用系统，可能面临模型不确定性、系统复杂度高、效果评估困难等技术挑战
角色解读
- 技术专家路线：在AI Agent架构、性能优化等方向深耕，成为特定领域的权威技术专家
- 技术领导路线：凭借技术影响力和项目推动能力，逐步承担更多技术规划、团队协作和项目管理职责
- 产品化路线：深入理解AI产品设计与用户需求，从纯技术开发转向AI工具/产品的定义与打造
- 作为核心开发工程师，负责设计和构建AI Agent的智能体系统，使其能够理解复杂需求并生成高质量代码
- 运用Prompt Engineering、RAG和Agent架构优化等技术，不断调优AI模型的性能和可靠性
- 通过快速开发原型来验证AI驱动的新产品创意，并探索提升开发者体验的新模式
- 构建自动化的评估体系，用数据驱动的方式衡量和持续改进Agent的效果与成本
- 深厚的AI技术栈知识，特别是大语言模型(LLM)、Agent架构、RAG和Prompt Engineering
- 扎实的编程与软件工程能力，熟练掌握Python/TypeScript，并具备全栈开发视野（精通前后端至少一端）
- 对分布式系统有深入理解，包括数据库、缓存、消息队列等，能构建稳定可靠的后端服务
- 强烈的好奇心与自驱力，能快速学习AI领域新技术，并独立解决复杂问题
申请策略
- 在申请材料中，可以结合JD提到的“代码生成工具”、“智能IDE插件”等方向，阐述你对AI辅助开发的理解和构想
- 面试时，准备几个你独立解决的复杂技术问题的案例，重点讲述分析思路、方案权衡和最终效果
- 重点突出任何与AI应用开发相关的项目经验，特别是涉及LLM、Agent、RAG或Prompt Engineering的实践
- 详细描述使用Python/TypeScript等语言构建的复杂项目，体现编码能力和工程化思维（如可维护性、可测试性）
- 展示对分布式系统组件（如数据库、消息队列、微服务）的理解和应用实例
- 如有开源贡献、技术博客或在AI社区的活跃经历，应作为亮点列出
- 系统学习和实践当前主流的Agent框架（如LangChain/LangGraph），并尝试构建一个简单的多Agent协作项目
- 深入研究RAG技术链路，包括文档切分、向量数据库选型与使用、检索策略优化等
面试指南
- 回答项目问题时，使用STAR法则（情境、任务、行动、结果），清晰展示你的贡献和技术深度
- 回答架构设计类问题时，先阐述整体思路和核心组件，再讨论可扩展性、可观测性、性能与成本等工程权衡
- 对于技术概念理解，结合理论原理和你的实际应用经验来回答，体现知行合一
- 请介绍一个你开发过的AI应用项目，你在其中具体负责什么？遇到了哪些技术挑战，如何解决的？
- 你对RAG（检索增强生成）技术是如何理解的？它的优势和局限性是什么？在工程实践中需要注意哪些问题？
- 如果让你设计一个代码生成AI Agent的系统架构，你会考虑哪些关键模块和评估指标？
- 你如何看待Prompt Engineering的作用？你有哪些优化Prompt效果的经验或方法？
- 复习LLM、Agent、RAG的核心概念和最新进展，并思考其在软件开发场景下的具体应用
职位点评
薪资福利70
成长发展95
工作生活45
使命价值85
薪资福利
70中等
作为已上市的头部科技公司，该岗位通常具备市场竞争力的薪酬和福利体系，但JD未披露具体信息。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
95较高
该职位深度绑定生成式AI和Agent技术前沿，技术栈新颖且具有挑战性，提供了明确的技术成长路径和行业影响力。
技术前沿前沿/新兴技术
技术栈LLM、Agent、RAG、Prompt Engineering、Tool Calling、LangChain、向量数据库
成长机会持续提升、持续优化、推动产品创新、探索AI辅助开发的新模式
业务类型ambiguous
工作生活
45较低
JD未提及任何关于办公模式、弹性工作或WLB的信息，无法判断工作与生活的平衡状况。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
85较高
参与构建AI原生开发工具，旨在从根本上提升软件开发效率，具有较高的技术创新价值和社会意义。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号推动生成式AI在实际开发场景中的落地应用、推动产品创新和用户体验优化、探索AI辅助开发的新模式
创新程度开拓性创新（行业首创）
Watch Jobs