阿里巴巴
高德-具身智能数据闭环 Agent 应用算法工程师-具身智能数据方向
高德-具身智能数据闭环 Agent 应用算法工程师-具身智能数据方向
发布于 19 天前普通员工/个人贡献者
全职员工仅现场办公具身智能
具身智能
Llm
Pytorch
具身智能
大模型
工具调用
强化学习
数据闭环
评测
值不值得投
71综合评分
综合评分 71
前沿技术栈、大平台支持、强工程落地，但WLB信号弱，适合技术攻坚型人才。
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
比具身智能中位数高
发布情况
正常在招 · 18 天前发布
公司情况
这家公司招聘很活跃
约 2450 个在招 · 其中具身智能 14 个
市场机会
选择面较广
北京 · 具身智能 · 53 个在招
职位详情
关于这个职位
本职位负责高德地图具身智能方向的Agent算法研发与数据闭环落地
你需要设计并实现用于真实机器人Benchmark的Agent应用算法，构建支撑工具调用、任务编排与多Agent协同的Agent Harness系统，并建立端到端的评测与数据构建流程，以持续优化Agent在真实场景中的表现
最低要求
硕士及以上学历，计算机、人工智能、自动化、机器人等相关专业，3年及以上相关工作经验
熟练掌握Python，具备良好的工程开发能力
熟悉PyTorch / TensorFlow / JAX等深度学习框架者优先
理解大模型和Agent系统的基本原理，熟悉LLM API、Reasoning、RAG、Tool Use、Function Calling、Planning、Memory、Reflection或Multi-Agent等一个或多个方向
具备Agent Harness、复杂任务编排或LLM应用工程经验，熟悉工具调用、Context管理、状态管理、运行观测和人工复核等工程机制
熟悉Agent评测、数据构建、模型训练和迭代优化流程，具备微调、强化学习、蒸馏、推理优化、Grader / Advisor或工具调用模型优化经验者优先
有Agent Harness / Runtime、LangGraph、AutoGen、OpenAI Agents SDK、MCP、工作流编排系统、多模态模型、机器人或具身智能相关经验者优先
工作职责
负责面向真机Benchmark和数据闭环场景的Agent应用算法与工程落地，支撑问题诊断、评测判断、任务决策、工具调用和结果回流等关键场景
负责建设Agent Harness，支撑工具调用、Context / Memory管理、任务编排、多Agent协同、运行观测、人工复核和结果回流
负责构建Agent / Harness端到端评测能力，围绕Grader、Advisor、工具调用正确率、多步任务成功率等指标持续优化Agent表现
负责或参与基于闭环运行数据、人工反馈和评测结果构建训练与评测数据，支持Agent相关模型的微调、强化学习、蒸馏、评测和推理优化
与平台、数据工具链、仿真引擎、算法和产品团队协同，推动模型能力、工具策略和Harness机制在实际闭环流程中协同优化
优先资格
具备微调、强化学习、蒸馏、推理优化、Grader / Advisor或工具调用模型优化经验
有Agent Harness / Runtime、LangGraph、AutoGen、OpenAI Agents SDK、MCP、工作流编排系统相关经验
有多模态模型、机器人或具身智能相关经验
AI 洞察
优缺点分析
优点
- 平台资源：背靠阿里集团，在算力、数据、业务场景和跨团队协作方面有强大支持
- 落地性强：工作紧密围绕“数据闭环”和“真机Benchmark”，成果能直接作用于实际机器人系统
- 团队专业：与仿真、算法、产品等多个专业团队协同，能拓展技术视野与综合能力
- 跨团队协作：需与平台、仿真、算法等多团队紧密协同，沟通与推动能力要求高
- 工程落地要求：不仅需要算法创新，更强调在复杂真实场景下的工程稳定性和效果闭环
- 对具身智能和Agent技术有浓厚兴趣，具备扎实算法与工程落地能力，喜欢在复杂系统中解决实际问题的工程师
缺点 / 挑战
- 技术前沿：直接参与具身智能与Agent这一热门且具挑战性的领域研发，能接触最前沿的技术
- 技术难度高：Agent系统复杂，涉及多模型协同、工程与算法深度结合，问题具有挑战性
角色解读
- 可成长为具身智能领域的资深算法专家或架构师，主导Agent系统的核心设计
- 可向技术管理方向发展，带领团队攻克具身智能数据闭环的技术难题
- 可深入Robotics与AI交叉领域，成为连接算法、工程与实际应用的复合型专家
- 设计并实现用于真实机器人测试的Agent应用算法，解决实际场景中的问题诊断、任务决策与执行
- 构建和优化Agent的运行框架（Harness），管理其工具调用、记忆、多任务协同和结果回流
- 建立Agent性能评测体系，并利用闭环数据持续训练和优化Agent模型，提升其成功率与效率
- 扎实的Python工程能力和深度学习框架（PyTorch等）经验，能实现算法到工程的落地
- 深入理解大模型与Agent核心原理，熟悉LLM工具调用、规划、记忆等技术模块
- 具备构建复杂AI系统（如Agent Harness）的工程经验，熟悉任务编排、状态管理等机制
- 了解模型训练与优化全流程，有微调、强化学习或相关模型优化经验者更具优势
申请策略
- 仔细研究高德地图在“智能汽车”、“机器人”等方向的公开技术分享和产品动向，理解业务需求
- 在面试中，尝试用STAR法则清晰描述你过去解决的与Agent或复杂系统优化相关的最困难问题
- 表现出对构建“数据驱动”迭代闭环的思考，这与该岗位的核心目标高度契合
- 重点突出Agent系统、LLM应用或具身智能相关的项目经验，尤其是涉及工具调用、任务编排、评测优化的部分
- 详细描述使用Python及深度学习框架进行模型开发与工程实现的项目细节
- 如有相关论文、竞赛成果或开源贡献（如与Agent、机器人相关），应明确列出
- 强调与多团队协作推动项目落地的经验，体现沟通与推动力
- 深入研究1-2个主流Agent框架（如LangGraph, AutoGen）的原理与实现
面试指南
- 对于系统设计问题（如Harness），采用“定义问题-分析模块-设计机制-考虑扩展”的框架，强调工程可行性
- 对于评测问题，遵循“明确目标-选择指标-设计方法-持续优化”的思路，体现数据驱动思维
- 对于项目描述，使用STAR法则，重点突出你的贡献、遇到的难点以及最终的数据驱动优化结果
- 对于开放性问题（如Sim2Real），结合技术原理与应用场景，提出有逻辑的见解，可适当引用行业案例
- 请解释你理解的Agent Harness是什么？它需要解决哪些核心工程问题？
- 如何评价一个Agent系统在真实任务中的表现？你会设计哪些评测指标和方法？
- 描述一个你参与过的涉及模型训练、评测与数据迭代的完整项目流程
- 在工具调用场景下，如何保证Agent决策的可靠性和效率？如果工具调用失败或结果不符合预期，如何处理？
职位点评
薪资福利70
成长发展90
工作生活45
使命价值70
薪资福利
70中等
作为跨国巨头企业的核心技术岗，薪资福利体系应具市场竞争力，但JD未披露具体薪酬细节。
薪资信号未披露（AI估算：35K-55K/月）
成长发展
90较高
该职位处于具身智能与Agent技术前沿，技术挑战大，且明确涉及模型训练、评测等全链路工作，技能成长空间大。
技术前沿前沿/新兴技术
技术栈Agent、LLM、Tool Use、Multi-Agent、具身智能、强化学习、数据闭环
业务类型ambiguous
工作生活
45较低
JD未提及任何关于办公模式、弹性工作或工作强度的信息，根据行业和岗位性质推断可能工作强度较高，WLB情况不明。
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
70中等
工作聚焦于前沿的具身智能领域，具有明确的技术探索和应用落地价值，但JD未强调更广泛的社会使命或行业愿景。
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