阿里巴巴
阿里健康-AI搜Java研发专家（离线）-杭州
阿里健康-AI搜Java研发专家（离线）-杭州
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Llm
Ocr
Pytorch
Rag
Tensorflow
分布式训练
多模态
文档智能
值不值得投
75综合评分
综合评分 75
阿里体系AI研发岗，技术前沿、平台大，但工作节奏和办公弹性需要权衡。
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
45K
比人工智能中位数高
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 1730 个在招 · 其中人工智能 91 个
市场机会
选择面较广
杭州 · 人工智能 · 97 个在招
职位详情
关于这个职位
该职位属于阿里健康AI搜索团队，负责构建下一代AI智能搜索系统的离线数据底座
你将专注于多模态大模型的数据处理链路，包括复杂文档解析、知识提取与数据编排引擎开发，并结合LLM/RAG技术提升模型训练效率
适合具备Java/Python功底，并对大模型与AI Infra有兴趣的工程师
最低要求
计算机、数学、人工智能等相关专业本科及以上学历，3年以上后端研发或算法工程经验
精通 Python/Java 编程语言，具备扎实的数据结构、算法基础和工程化能力，熟悉主流深度学习框架（如 PyTorch、TensorFlow）
有文本、图像等多模态数据处理实战经验
熟练掌握 LLM 调用、Prompt 工程及 RAG 相关技术，能结合大模型能力优化数据处理流程
了解大模型分布式训练机制（如数据并行、流水线并行）
热爱技术，积极拥抱 AI 变革，具备技术全栈视野和快速原型验证能力
工作职责
聚焦多模态大模型的数据处理链路，负责PDF等复杂文档载体的内容高精度解析与结构化提取，结合开源框架进行效果优化与性能调优
深入大模型分布式训练体系，设计并实现高吞吐、可扩展的通用数据编排引擎，支撑大规模多模态数据高效供给，提升模型训练效率
基于AI Coding能力快速响应研发需求，构建稳定、可维护的数据处理与存储系统，保障端到端 pipeline 的可靠性与可观测性
推动多模态数据处理技术在实际业务场景中的落地，通过技术创新驱动大模型理解能力与应用效果持续提升
优先资格
具备大模型应用开发或AI Infra 实践背景者优先
熟悉 OCR、文档智能（Document AI）、Layout 分析等技术者优先
熟悉高性能数据加载与预处理技术者优先
有高质量开源项目贡献、技术博客或专利者优先
AI 洞察
优缺点分析
优点
- 阿里健康的业务场景丰富，AI搜索和数据底座有实际落地价值
- 技术栈前沿，接触多模态大模型、LLM、RAG等热门领域，个人技术成长快
- 阿里巴巴平台资源雄厚，有成熟的工程体系和晋升通道
- 工作强度可能较大，需要适应快速迭代的互联网节奏
- 多模态数据处理链路复杂，对工程能力和算法理解要求高
- 需要同时掌握前后端和AI技术，技术宽度和深度并重，有一定学习曲线
- 适合热爱AI技术、有一定后端工程基础，希望深入大模型与多模态方向的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 成长为AI Infra领域的专家，深入大模型训练与数据处理的核心链路
- 可向AI搜索技术负责人或大模型平台架构师方向发展
- 积累多模态理解经验，未来有机会转向算法研发或AI产品技术管理岗位
- 负责构建AI搜索的离线数据底座，将PDF、扫描件等多模态文档解析为结构化数据，为搜索和问答提供高质量数据资产
- 设计并实现高吞吐、可扩展的数据编排引擎，支撑大规模多模态数据的高效供给，提升模型训练效率
- 结合LLM和RAG技术优化数据处理流程，探索Prompt工程和多模态大模型（VLM）在文档理解中的应用
- 利用AI Coding能力快速迭代研发需求，保障数据处理与存储系统的稳定性和可观测性
- 精通Java或Python，具备扎实的数据结构、算法和工程化能力
- 熟悉PyTorch、TensorFlow等深度学习框架，了解大模型分布式训练机制
- 具备多模态数据处理经验，熟悉OCR、Document AI、Layout分析等技术
- 掌握LLM调用、Prompt工程和RAG技术，能够结合大模型优化业务流程
申请策略
- 了解阿里健康的业务方向和AI搜索产品，面试时展现对医疗健康数据场景的思考
- 强调工程化能力和快速原型验证的实践经验，与职位要求匹配
- 突出Java/Python后端开发经验，尤其是高并发、大数据处理相关项目
- 强调大模型应用或AI Infra相关实践，如LLM调用、RAG、数据管道建设等
- 展示多模态或OCR相关项目成果，体现对文档智能的理解
- 如果有开源贡献或技术博客，务必提及以增加亮点
- 提前了解多模态大模型（VLM）的基本原理和主流框架，如LlaVA、GPT-4V等
- 熟悉RAG的技术栈，如向量数据库、Embedding模型、LangChain等
面试指南
- 采用STAR法则，先描述项目背景和目标，再说明个人职责和技术方案，最后突出结果和量化收益
- 结合具体案例，展示从问题定义、方案选型到落地调优的完整思路，同时注意体现对性能和成本权衡的考虑
- 对于开放性问题，可先给出主流方案，再结合自身经验讨论优缺点和改进方向
- 请介绍你处理过的大规模数据处理流程，如何保证吞吐和稳定性？
- 在项目中如何使用LLM或RAG解决实际问题？遇到过哪些挑战？
- 如何从PDF等复杂文档中高精度提取信息？你会选择哪些技术方案？
- 多模态数据如何高效地供给大模型训练？数据管线如何设计？
- 你如何评估和优化Prompt工程的效果？
职位点评
薪资福利75
成长发展85
工作生活60
使命价值75
薪资福利
75中等
阿里巴巴的薪酬福利在行业内有竞争力，但JD未披露具体薪资和福利细节。
薪资信号未披露（AI估算：35K-55K/月）
成长发展
85较高
职位涉及多模态大模型、LLM、RAG等前沿技术，且阿里巴巴有完善的工程文化，技术成长空间大。
技术前沿前沿/新兴技术
技术栈Java、Python、多模态、LLM、RAG、PyTorch、TensorFlow、OCR、文档智能、分布式训练
业务类型ambiguous
工作生活
60中等
JD未提及远程或弹性办公，默认需现场办公，地点在杭州科技园区，WLB信号不足。
工作模式仅现场办公
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
75中等
人工智能搜索对医疗健康领域可能有较大价值，行业处于高速增长期，但JD未强调社会使命。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs