阿里巴巴
高德-高级 AI 应用工程师-Agent研发专项
高德-高级 AI 应用工程师-Agent研发专项
发布于 大约 22 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
Go
Llm
Llm Ops
Rag
分布式系统
多智能体系统
值不值得投
73综合评分
综合评分 73
技术成长天花板极高的前沿AI架构岗，薪酬有竞争力，但WLB挑战大。
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
43K
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 2610 个在招 · 其中人工智能 约 260 个
市场机会
选择面较广
北京 · 人工智能 · 约 350 个在招
职位详情
关于这个职位
这是阿里巴巴旗下高德地图的AI应用工程师岗位，专注于设计和实现高性能的Agent（智能体）系统
你将负责从架构到落地的全流程工作，包括构建多智能体协作框架、搭建LLM Ops体系、设计自动化评测闭环，并开发标准化的工具接入与记忆系统，以支撑复杂的场景化AI应用
最低要求
工程基础：计算机相关专业本科及以上学历，5 年以上后端开发经验，精通 Python/Go，熟悉分布式系统、高并发架构及云原生技术（K8s, Docker）
Agent 实战：具有从 0 到 1 构建生产级 Agent 系统的完整经历，熟练掌握 LangChain, LangGraph, AutoGen, Semantic Kernel 等主流框架，并能根据业务需求进行深度定制或自研核心模块
模型理解：深入理解 Transformer 架构及主流大模型（GPT-4, Claude, Llama, DeepSeek 等）的特性差异，具备 Prompt 调优、Fine-tuning 及 RAG 优化 的实战经验
工具链掌握：重度使用过 Cursor, Claude Code, Copilot 等 AI 编程工具，具备高效的“人机协作”开发模式（Vibe Coding），能快速原型验证并落地复杂逻辑
数据敏感度：具备优秀的数据直觉，能够通过分析执行日志定位系统瓶颈，设计科学的数据标注与清洗方案
问题解决：擅长处理大模型特有的“不确定性”问题（如幻觉、死循环、上下文丢失），有成熟的兜底策略与容错机制设计经验
工作职责
Agent 编排与架构设计 (Orchestration & Architecture)
设计并实现高性能的 Agent 编排引擎，支持复杂的任务分解（Task Decomposition）、动态规划（Planning）及多步推理（CoT/ToT）
构建 多智能体（Multi-Agent）协作框架，定义智能体间的通信协议、角色分工、冲突消解机制及共识达成策略，确保系统在复杂场景下的协同效率
落地先进的 设计模式，如反射（Reflection）、工具使用（Tool Use）、人机回环（Human-in-the-loop）等，提升系统的鲁棒性与自适应能力
LLM Ops 与系统优化 (LLM Ops & Optimization)
搭建完整的 LLM Ops 体系，涵盖模型部署、版本管理、灰度发布、自动化监控及成本优化（Token 预算管理）
负责 推理性能调优，通过提示词工程（Prompt Engineering）、模型微调（SFT/LoRA）、量化技术及缓存策略，显著降低延迟并提升吞吐量
构建 可观测性平台，实现对 Agent 执行链路的全程追踪（Trace），包括意图识别准确率、工具调用成功率、幻觉检测及异常自动恢复机制
数据闭环与评测体系 (Data Loop & Evaluation)
设计并实施自动化的 Agent 评测框架（Eval Framework），建立多维度的评估指标（如任务完成率、规划逻辑性、记忆准确性），驱动系统持续迭代
构建 “数据 - 训练 - 评测”闭环，利用用户反馈日志挖掘高质量微调数据（Hard Negative Mining），指导模型对齐与能力增强
优化 检索增强生成（RAG） pipeline，包括混合检索策略、重排序（Re-ranking）、知识图谱融合及上下文窗口管理，解决长尾知识问答难题
基础设施与工具生态
开发标准化的 工具接入层（MCP/Function Calling），实现外部 API、内部系统及私有数据的无缝集成，确保参数校验与执行安全
设计 记忆系统（Memory System），结合向量数据库与关系型存储，实现短期上下文管理与长期个性化记忆的持久化与高效检索
探索 容器化与隔离技术，为海量并发 Agent 提供安全、资源隔离的运行环境（如基于 Kubernetes 的动态调度）
优先资格
有 Multi-Agent 系统 在复杂业务场景（如自动化运维、代码生成、数据分析）落地的成功案例
参与过开源 Agent 框架贡献，或在相关领域发表过技术文章/专利
熟悉 强化学习（RLHF/RLAIF） 在 Agent 对齐中的应用，或有相关项目经验
具备全栈开发能力，能独立构建包含前端交互、后端逻辑及模型服务的完整 Demo
AI 洞察
优缺点分析
优点
- 依托高德地图的海量真实用户场景与数据，所构建的系统能产生直接且广泛的业务价值
- 作为阿里巴巴核心技术岗，拥有丰富的内部资源、技术氛围和优秀同事，利于个人技术快速成长
- 技术难度极高，涉及系统架构、算法优化、工程落地等多个维度，对综合能力要求严苛，学习曲线陡峭
- 需快速跟进并整合快速迭代的大模型技术、工具链与开源框架，保持技术敏感度与工程实现能力
- 适合对AI Agent技术有浓厚兴趣、具备扎实工程基础、热衷于解决复杂系统问题，并希望在顶尖平台将前沿技术转化为大规模应用的资深工程师
缺点 / 挑战
- 技术栈极为前沿，深入参与大模型时代最具挑战性的Agent系统构建，能获得顶级技术视野与实战经验
- 业务场景复杂，需要处理真实的长尾问题、系统不确定性及高并发要求，对系统鲁棒性与稳定性挑战巨大
角色解读
- 技术专家路径：深耕AI Agent架构与系统优化，成为该领域的架构师或技术专家，推动行业技术标准
- 技术管理路径：带领团队攻克复杂技术难题，负责大型AI项目或产品线的技术规划与落地，向技术总监方向发展
- 跨领域拓展：将Agent技术深度应用于出行、地图、自动驾驶等高德核心业务，或向更前沿的AGI方向探索
- 设计并实现高性能的Agent（智能体）编排引擎与多智能体协作框架，解决任务分解、动态规划与协同难题
- 搭建并优化LLM Ops全流程体系，涵盖模型部署、推理性能调优、可观测性及成本控制，确保大模型应用高效稳定
- 构建自动化的评测与数据闭环，利用用户反馈持续优化模型与系统，并开发标准化的工具接入层与记忆系统
- 具备从0到1构建生产级Agent系统的完整实战经验，熟练掌握LangChain、LangGraph等主流框架并能深度定制
- 精通Python/Go与分布式系统设计，熟悉Kubernetes等云原生技术，能处理高并发与复杂系统架构问题
- 深入理解主流大模型原理与特性，拥有Prompt Engineering、Fine-tuning及RAG优化的丰富经验，并能处理模型“不确定性”问题
申请策略
- 深入研究高德地图的业务（如智能导航、出行规划），思考Agent技术如何与之结合，这在面试中会是巨大的加分项
- 在简历和面试中，多用系统设计图、性能数据来展示你的工程严谨性和技术深度，避免空谈概念
- 重点突出任何从0到1构建Agent、LLM应用或多智能体系统的项目经历，清晰说明技术选型、架构设计及解决的核心问题
- 详细阐述在Prompt Engineering、模型微调（SFT/LoRA）、RAG优化或LLM Ops方面的具体实践与成果（如性能提升指标）
- 列举对主流Agent框架（LangChain/LangGraph等）的深度使用、改造或贡献经历，以及熟练使用AI编程工具（如Cursor）的案例
- 强调处理大模型“幻觉”、“长尾问题”的工程化解决方案，以及设计容错机制、提升系统鲁棒性的经验
- 系统学习并动手实践一个完整的Agent框架（如从LangChain入手），并尝试在复杂任务中进行多模块集成与优化
- 深入阅读并理解Transformer、LoRA、RAG等核心原理，同时跟进最新的Agent相关论文与开源项目（如CrewAI, MetaGPT）
面试指南
- 对于系统设计类问题，采用STAR原则（情境、任务、行动、结果），重点阐述你的设计权衡（如架构选择、技术选型理由）与量化收益
- 对于技术细节问题，结合具体代码或架构图解释原理，突出你的深度思考（如“为什么选择X方案而不是Y方案”）
- 对于场景问题，先拆解问题，再从技术（工程实现、模型优化）和业务（流程设计、用户体验）两个维度给出综合方案
- 请描述一个你从零开始设计并实现的生产级Agent系统，包括遇到的最大技术挑战及解决方案
- 如何设计一个多智能体协作框架来解决一个复杂的业务流程自动化问题？请说明智能体角色划分、通信机制和冲突处理
- 在大模型应用中，如何通过工程手段（如RAG优化、缓存、量化）来有效控制推理成本并保证响应速度？
- 如何构建一个针对Agent系统的可观测性平台？你认为最关键的监控指标有哪些？
- 当Agent在执行任务时出现幻觉或死循环，你会设计哪些兜底策略和容错机制？
职位点评
薪资福利75
成长发展95
工作生活40
使命价值70
薪资福利
75中等
作为上市公司核心岗位，预期具有市场竞争力的薪酬福利体系。
薪资信号未披露（AI估算：35K-50K/月）
成长发展
95较高
该职位要求并提供深入前沿AI Agent技术栈的全链条实践，从架构设计到模型优化，成长空间巨大。
技术前沿前沿/新兴技术
技术栈Agent、LLM、RAG、LangChain、LangGraph、LoRA、SFT、Kubernetes
业务类型ambiguous
工作生活
40较低
工作地点位于北京，为现场办公模式，JD未提及任何远程或弹性工作安排，工作强度预计较高。
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
70中等
参与构建下一代智能出行应用的核心AI能力，行业赛道处于高速发展期，具有较强的技术引领性和社会价值。
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