阿里巴巴
业务技术-AI Agent 优化工程师-营销方向
业务技术-AI Agent 优化工程师-营销方向
发布于 大约 2 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
Faiss
Prompt Engineering
Rag
Sft
Vibe Coding
数据Pipeline
评测体系
值不值得投
71综合评分
综合评分 71
阿里AI Agent优化岗，技术前沿，成长快，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。
薪资怎么样
40K
比人工智能中位数低
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 2040 个在招 · 其中人工智能 约 150 个
市场机会
选择面较广
杭州 · 人工智能 · 约 160 个在招
职位详情
关于这个职位
作为阿里巴巴淘天集团的AI Agent优化工程师，你将负责营销场景下AI应用的效果优化，通过Prompt、知识库、评测体系等核心组件的迭代，实现量化收益提升
你将搭建自动化评测框架，构建数据飞轮，推动AI改造质量流程，并与多团队协作，沉淀可复用的优化资产
该岗位要求扎实的编程能力和AI工程实践经验，适合对AI应用落地充满热情的技术人才
最低要求
具备扎实编程基本功和 Vibe Coding 能力，能构建高质量 Prompt 模板、评测脚本与数据 Pipeline
具备系统化 Badcase 分析能力，能将个案修复转化为系统性优化策略
掌握主流 AI/LLM 技术体系（Transformer、预训练/微调、Embedding/RAG、对齐评估、提示工程），并能落地到效果优化实践中
有 AI 工程实践经验（至少一类）：Agent/RAG、知识库、评测体系、Prompt 版本管理、AI 工具链集成
熟练掌握 AI Native 应用构建（Skill、记忆等组件），理解向量检索原理及常见工具（Elasticsearch、Milvus/Faiss）
强 Owner 意识与风险敏感度，能在大促/灰度/紧急变更场景下稳定输出
良好的实验素养（文档沉淀、版本管理、实验设计 Taste、数据敏感性），能主动分享方法论并沉淀可复用资产
工作职责
Agent 效果优化：负责主责场景下 Prompt、知识库、Skill、工具调用、记忆等核心组件的持续迭代，交付明确的量化收益（准确率、完成率、人工接管率、效率提升等）
评测与归因闭环：搭建自动化评测框架，完成"数据采集 → 评测分析 → Badcase 归因 → 优化验证"的完整闭环
数据飞轮建设：构建数据 Pipeline 与反馈机制，回流应用行为数据用于模型微调（SFT）与针对性优化，提升模型可控性与 ROI
AI 改造质量流程：利用 AI 重构测试链路，包括用例/脚本自动生成、回归推荐、缺陷聚类与复盘，将测试经验产品化
知识沉淀与团队协作：沉淀可复用的优化资产（Prompt 模板、评测脚本、Skills、最佳实践等），与产品/研发/SRE/运营协同推进质量前移与流程优化
优先资格
有训练优化（SFT/RLHF/DPO）带来效果提升的完整实践
有 AI 产品质量保障或评测平台建设经验
在技术社区有公开分享（文章、开源项目、专利/论文）
AI 洞察
优缺点分析
优点
- 岗位涉及AI全链路，从Prompt到模型微调，技能积累全面，提升个人竞争力
- 公司平台大，技术氛围浓厚，有完善的晋升体系和培训资源，有利于长期职业发展
- 业务复杂度高，需要深入理解营销场景，对业务洞察力要求高
- 大促、灰度等场景下需要稳定输出，工作强度可能较大
- AI技术迭代快，需要持续学习，保持技术敏感度
- 适合对AI应用落地有热情，具备扎实工程能力和系统化思维，愿意在复杂业务场景中打磨技术，追求技术深度和业务价值的技术人才
缺点 / 挑战
- 在阿里巴巴淘天集团，接触海量业务场景和数据，AI应用落地机会多，技术挑战大
角色解读
- 从AI Agent优化工程师起步，可向AI应用架构师或AI技术专家方向发展，负责更复杂的AI系统设计与优化
- 在阿里大平台，有机会参与核心AI项目，积累大规模AI应用经验，未来可转向AI产品、AI平台或AI研究等方向
- 随着AI技术发展，该岗位的稀缺性和价值会不断提升，职业发展空间广阔
- 负责AI Agent在营销场景下的效果优化，包括Prompt、知识库、工具调用等组件的迭代，提升准确率和完成率
- 搭建自动化评测框架，进行数据采集、评测分析、Badcase归因和优化验证，形成闭环
- 构建数据Pipeline，回流行为数据用于模型微调（SFT），提升模型可控性和ROI
- 利用AI重构测试链路，实现用例自动生成、回归推荐、缺陷聚类，将测试经验产品化
- 扎实的编程能力和Vibe Coding能力，能构建高质量Prompt模板、评测脚本和数据Pipeline
- 系统化Badcase分析能力，能将个案修复转化为系统性优化策略
- 掌握主流AI/LLM技术体系，包括Transformer、预训练/微调、Embedding/RAG、对齐评估、提示工程
- 熟悉AI Native应用构建（Skill、记忆等组件），理解向量检索原理及工具（Elasticsearch、Milvus/Faiss）
申请策略
- 了解阿里巴巴淘天集团的业务，特别是营销场景，在面试中展示对业务的理解
- 准备一个完整的AI优化案例，从问题定义、方案设计到效果评估，展示系统化思维
- 突出AI工程实践经验，尤其是Agent/RAG、知识库、评测体系、Prompt优化等方向的项目
- 展示量化成果，如准确率提升、人工接管率下降等，体现优化能力
- 强调编程能力和Vibe Coding能力，提供代码仓库或技术博客链接
- 如有SFT/RLHF/DPO训练优化经验，务必突出，这是加分项
- 深入学习RAG、Agent框架，如LangChain、LlamaIndex等，并动手实践
- 熟悉向量数据库（如Milvus、Faiss）的使用和优化
面试指南
- 采用STAR法则：情境-任务-行动-结果，突出量化结果
- 强调系统化思维：从问题定义、方案设计、实施、评估到迭代的完整闭环
- 展示技术深度：结合具体技术细节，如Prompt设计、向量检索、模型微调等
- 请描述一个你优化AI Agent效果的案例，如何评估优化效果？
- 如何设计一个自动化评测框架？请举例说明
- 在Badcase归因中，你通常采用什么方法？如何将个案修复转化为系统优化？
- 你如何理解数据飞轮？在AI Agent优化中如何构建数据飞轮？
- 请谈谈你对RAG技术的理解，以及如何优化RAG效果？
职位点评
薪资福利75
成长发展90
工作生活40
使命价值70
薪资福利
75中等
阿里巴巴作为行业巨头，薪资水平具有竞争力，但JD未明确具体薪资和福利，需在面试中确认。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
90较高
岗位涉及AI前沿技术，如Agent、RAG、SFT等，技术挑战大，成长空间广阔，且阿里平台提供丰富的学习资源。
技术前沿前沿/新兴技术
技术栈AI Agent、RAG、SFT、Prompt Engineering、Embedding、RLHF
业务类型profit_center
工作生活
40较低
JD未提及工作模式，但阿里作为互联网公司，工作节奏可能较快，且岗位要求大促/灰度场景下稳定输出，可能涉及加班。
工作模式未明确
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
70中等
AI技术应用在营销场景，能直接提升业务效率，有实际价值，但社会影响力相对中性。
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
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs