阿里巴巴
瓴羊-高级Agent开发工程师(FDE)-杭州
瓴羊-高级Agent开发工程师(FDE)-杭州
发布于 15 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
Ppo
Prompt Engineering
Pytorch
Qwen
Rag
Tensorflow
大模型
强化学习
值不值得投
76综合评分
综合评分 76
阿里云智能旗下AI Agent高级研发岗，技术前沿、成长性强，但WLB信息不明，需做好高强度投入准备。
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
4万
比人工智能中位数低
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 2790 个在招 · 其中人工智能 约 300 个
市场机会
选择面较广
杭州 · 人工智能 · 约 370 个在招
职位详情
关于这个职位
该职位是阿里巴巴云智能集团旗下瓴羊的高级Agent开发工程师（FDE），负责企业级AI Agent的定制化开发与落地
你需要深度参与从大模型优化、Prompt调优到解决客户业务场景问题的全过程，确保Agent在数据采集、用户画像、营销等场景的稳定高效运行，并沉淀标准化交付工具与最佳实践
最低要求
计算机科学、软件工程或AI相关专业本科及以上学历，3年以上大模型或智能体研发经验
熟悉 Qwen、Deepseek、Llama 等主流开源大模型，具备模型训练、调优及部署的实战能力
精通 TensorFlow 或 PyTorch 框架，掌握强化学习（如 PPO、A3C）等核心算法，并熟悉 RAG 技术的完整链路设计与实现
有Python代码开发经验者优先，具备在 Linux 环境下进行工程化开发与交付的能力
具备良好的跨团队协作与推动能力，能够快速学习并落地前沿技术，适应快速迭代的研发节奏
工作职责
深度参与企业级Agent的定制化开发与集成，支撑客户在数据采集、用户画像、实时营销等场景的AIAgent落地需求
负责大模型优化、调参和Prompt优化，与产品、Agent平台及客户团队紧密协作，持续提升准确率与响应速度
对业务场景保持敏锐，能够快速熟悉业务流程，对业务需求进行沟通、分析，完成技术方案的制定，与客户保持高效沟通与快速反馈
主导复杂客户环境下的系统调优、故障排查与性能优化，保障生产环境稳定运行
沉淀敏捷开发与部署最佳实践，输出标准化交付工具链与自动化脚本，提升整体交付效率与质量
优先资格
有Python代码开发经验者优先
AI 洞察
优缺点分析
优点
- 技术前沿性高，直接参与当前最热门的AI Agent与大模型落地项目，能积累宝贵的实战经验
- 依托阿里巴巴平台，接触的企业级客户需求复杂，能快速提升解决复杂工程问题的能力
- 岗位职责清晰，从方案设计到落地交付全链路参与，成长路径明确
- 技术栈复杂且更新快，需要持续学习大模型、强化学习、RAG等前沿知识并快速应用
- 需要直接对接客户并处理生产环境问题，对沟通能力、问题定位与解决速度要求高
- 作为FDE（现场开发工程师），可能需要适应一定的客户现场工作节奏
- 适合具备扎实AI工程背景，渴望将前沿大模型技术应用于复杂商业场景，并乐于在快速迭代中解决实际问题的高级工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 技术专家路线：持续深耕大模型与Agent技术，成为AI应用领域的架构师或技术专家
- 解决方案专家路线：结合技术与业务理解，向售前、解决方案架构师或技术总监方向发展
- 团队管理路线：在积累足够经验和项目管理能力后，可承担团队管理职责
- 负责企业级AI Agent的定制化开发与集成，解决客户在营销、用户分析等场景的智能化需求
- 对主流开源大模型（如Qwen、Deepseek）进行训练、调优与部署，并优化Prompt以提升模型效果
- 深入理解客户业务流程，将业务需求转化为技术方案，并负责生产环境的系统调优与故障排查
- 通过沉淀最佳实践和开发自动化工具，提升团队整体交付效率和工程化水平
- 扎实的大模型研发经验，包括模型训练、微调、强化学习（PPO/A3C）和RAG技术
- 精通Python编程，以及TensorFlow或PyTorch等主流深度学习框架
- 优秀的工程能力，能在Linux环境下进行开发、部署和性能优化
- 良好的跨团队沟通与协作能力，能快速学习新技术并适应快节奏的项目交付
申请策略
- 在面试前，可以研究瓴羊的产品和云智能集团的业务方向，思考Agent技术可能如何赋能这些业务
- 准备一个能够体现你“业务敏感度”和“快速学习能力”的项目经历，这与职位要求高度相关
- 重点突出3年以上大模型/Agent相关的研发经验，详细描述参与的具体项目、使用的技术栈（如PPO、RAG）及取得的量化成果
- 强调在复杂业务场景中应用AI技术的经验，例如如何将技术方案转化为客户价值
- 展示工程化能力，包括在Linux下的开发、部署经验，以及编写自动化脚本、优化性能的具体案例
- 体现跨团队协作和推动项目落地的成功经历
- 深入研究RAG技术的最新进展与工程实践，并准备一个完整的项目案例（从设计到实现）
- 复习强化学习（特别是PPO算法）的核心原理，并思考其在Agent决策中的应用场景
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化回答项目经验，重点突出你的思考和解决过程
- 对于方案设计问题，采用分层思路：明确目标 -> 拆解技术模块（模型、检索、生成）-> 考虑扩展性与稳定性
- 回答系统优化问题时，从监控指标入手，按照数据流（输入-模型-检索-生成-输出）逐层排查，结合工具和日志分析
- 请描述一个你主导或深度参与的大模型/Agent项目，遇到了哪些技术挑战（如效果、性能、稳定性），你是如何解决的？
- 如何针对一个具体的业务场景（如用户画像、实时营销）设计一个Agent的技术方案？
- 在生产环境中，大模型应用出现效果下降或响应变慢，你会如何进行排查和优化？
- 你对RAG技术的理解是什么？如何评估和优化一个RAG系统的性能？
- 如何与产品、客户等非技术团队沟通复杂的技术方案和需求？
职位点评
薪资福利78
成长发展92
工作生活50
使命价值75
薪资福利
78中等
作为大型科技公司核心业务线的高级技术岗位，薪酬福利体系通常具有市场竞争力，但JD未明确薪资与具体福利。
薪资信号面议 (3千–5万/月)
成长发展
92较高
该职位要求掌握大模型、Agent、RAG等前沿技术，工作内容涉及技术优化与复杂场景落地，对技术成长和前沿探索有很强的驱动力。
技术前沿前沿/新兴技术
技术栈Qwen、Deepseek、Llama、TensorFlow、PyTorch、强化学习、PPO、A3C、RAG、Prompt优化
成长机会沉淀...最佳实践、快速学习并落地前沿技术
业务类型profit_center
工作生活
50较低
JD未明确说明工作模式、加班情况或WLB政策，但作为需要深入客户场景和保障生产环境的岗位，预计工作节奏较快，生活与工作平衡情况未知。
工作模式未明确
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
职位致力于将前沿AI技术应用于企业级真实场景，解决客户实际问题，具有明确的商业价值和技术推动意义。
行业发展高速增长赛道
社会影响中性/一般
使命信号支撑客户...落地需求、提升...效率与质量
创新程度积极采用新技术
Watch Jobs