阿里巴巴
阿里云智能-技术专家-AI Agent方向-北京
阿里云智能-技术专家-AI Agent方向-北京
发布于 4 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
Langgraph
Llm
Mcp
Rag
值不值得投
薪资怎么样
5.5万
比人工智能中位数高
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 4100 个在招 · 其中人工智能 约 400 个
市场机会
选择面较广
北京 · 人工智能 · 约 700 个在招
职位详情
关于这个职位
该岗位属于阿里云智能集团，聚焦 AI Agent 方向，负责 LLM 应用基础设施（RAG、Agent 开发框架、MCP 协议、评测机制）的研发与工程落地，并将 AI Agent 能力应用到建站、营销、客服、DevOps 运维等业务场景，打造支持百万级用户的高可用、低延迟 Agent 生产环境
最低要求
技术能力：
编程基础：精通 Python/Java/Nodejs，熟悉 LangGraph、Spring AI 等多智能体框架，具备分布式系统开发经验
算法能力：熟悉 Transformer 架构及主流大模型技术栈，有 LLM 微调、推理优化经验，理解多智能体系统和智能体通信协议（MCP、A2A 等）
工程经验：具备 AI Agent 全链路开发能力，包括数据合成、模型训练、评测体系搭建
熟悉 MetaGPT、AutoGPT、LangChain、LlamaIndex 等主流开发框架
业务理解：
熟悉垂直领域痛点（如电商搜索、智能客服、代码生成运维），能将技术转化为实际产品功能
具备跨团队协作能力，协调算法、产品、运营等角色推进项目
学历与经验：
学历：本科及以上学历，计算机科学、人工智能、数学等相关专业
经验：1 年以上大模型或 Agent 开发经验，有亿级用户产品优化经验者优先
有实际的 Agent 应用在 Coze、Dify、百炼等平台开发经验
具备清晰的思路，良好的业务理解能力、系统分析和软件设计能力，优秀的沟通能力及项目推动能力
工作职责
系统架构与工程落地
● 开发 LLM 应用基础设施，包括 RAG 技术、Agent 开发框架、MCP 协议、Agent 评测机制等
● 负责 agent 与工具调用的优化、prompt 调优、上下文工程及相关场景下大模型的优化，将 AI Agent 框架、工具、大模型有效结合，为通用 AI Agent 效果提供最佳的使用体验
● 负责 AI 领域相关算法研究及算法的工程化实现，以提升 Agent 能力（推理、规划、记忆、工具使用）
● 参与设计多智能体协作架构，实现复杂编程任务拆解与分布式执行，构建高可用、低延迟的 AI Agent 生产环境，支持百万级以上用户量的应用、部署平台
● 持续跟踪 AI Agent、大模型、代码生成等前沿技术发展，推动团队 AI 相关技术水平提升
业务场景适配与创新
● 推动 AI Agent 在建站、营销、服务、DevOps 运维等领域的落地
● 设计符合行业需求的解决方案，如应用导购助理、客服助手、营销助手等
● 负责技术预研、架构设计、业务模型抽象及功能开发，保持对业务场景的敏锐洞察，快速熟悉业务流程并理解业务痛点，沟通并分析产品需求，制定技术方案，设计与研发核心系统及模块，推动产品快速迭代
优先资格
在开源社区（如 N8N、AutoGPT、LangChain、Bolt.new 等项目）有贡献或独立开发过 AI Agent 项目
有 Agent 落地企业级应用的经验
AI 洞察
优缺点分析
优点
- 技术栈非常前沿，涉及 RAG、MCP、多智能体协作、LLM 微调等热门方向，技术积累含金量高
- 业务场景丰富（建站、营销、客服、运维），有真实落地与海量用户的规模效应
- 背靠云智能核心团队，平台与资源较为优质
- AI Agent 领域技术迭代极快，需要持续学习与跟踪前沿
- 岗位横跨架构设计、算法工程与业务落地，对综合能力要求高、工作复杂度大
- 要求同时兼顾技术深度与跨团队协作推动
- 适合对 AI Agent 与大模型技术有强烈热情、具备扎实工程功底，并希望在大规模真实业务中打磨前沿技术的中高级技术人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 可在 AI Agent、大模型算法与工程化方向纵深发展，成长为多智能体架构与 LLM 平台的核心技术专家
- 依托大厂核心业务与前沿技术栈，横向可拓展至算法、平台架构乃至技术管理方向
- 负责 LLM 应用基础设施与大模型 Agent 框架的研发，包括 RAG、Agent 开发框架、MCP 协议与评测机制
- 将 AI Agent 能力落地到建站、营销、客服、DevOps 运维等业务场景，并设计多智能体协作架构支撑百万级用户的生产环境
- 需要扎实的编程功底（Python/Java/Node.js）与分布式系统经验，熟悉 LangChain、LangGraph、MetaGPT 等 Agent 框架
- 要理解 Transformer 与大模型技术栈，具备 LLM 微调、推理优化、评测体系搭建的全链路能力
- 同时要懂业务，能将技术转化为可落地的产品功能
申请策略
- 投递前了解阿里云在 AI Agent 与云智能方向的产品布局（如百炼平台），面试中体现对业务场景痛点的理解，展示技术向产品转化的落地思维
- 突出 LLM/Agent 相关的实际项目，尤其是 RAG、Agent 框架、MCP 协议、评测体系的落地经验
- 展示在 Coze、Dify、百炼等平台的 Agent 开发案例以及开源项目贡献（如 LangChain、AutoGPT）
- 强调分布式系统经验与支持大规模用户的产品优化成果
- 补齐多智能体协作架构（LangGraph、Spring AI）与智能体通信协议（MCP、A2A）的实践经验
- 加深对 LLM 微调、推理优化与上下文工程的掌握，最好能独立完成一个端到端 Agent 项目
面试指南
- 采用「背景-方案-结果」结构化回答：先说明业务痛点与约束，再讲清技术选型与架构设计，最后用数据量化效果（时延、准确率、用户量等）
- 涉及权衡取舍时，主动说明为何这样选择及替代方案
- 你如何设计一个支持百万级用户的 AI Agent 生产环境？2. 请介绍你做过的一个 RAG 或 Agent 评测体系项目，如何衡量效果？3. 多智能体协作架构中如何做任务拆解与分布式执行？4. 你如何优化 Agent 的工具调用与上下文工程？5. 如何将 AI Agent 落地到客服或营销等具体业务场景？
- 准备 1-2 个能讲深讲透的 LLM/Agent 项目案例，覆盖架构、评测与优化全链路
- 提前熟悉 MCP、A2A 等协议与 LangChain、LangGraph 等框架细节，并了解阿里云百炼等平台的产品形态
Watch Jobs