阿里巴巴
阿里云智能-AI Agent 研发专家-Agentic System 研发方向
阿里云智能-AI Agent 研发专家-Agentic System 研发方向
发布于 5 小时前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Ai Agent
Go
Prompt Engineering
Rag
Workflow编排
云原生
分布式系统
大模型应用
值不值得投
78综合评分
综合评分 78
顶尖大厂、前沿AI技术栈、高薪但高强度、侧重技术深度与工程落地
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
5.5万
比AI算法中位数高
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 4440 个在招 · 其中AI算法 2 个
市场机会
选择不多
杭州 · AI算法 · 3 个在招
职位详情
关于这个职位
负责阿里云智能AI Agent核心能力（任务规划、多Agent协同等）及平台能力建设，推动大模型应用在国际业务场景中的生产化落地
需具备扎实的计算机基础与云原生工程体系经验，独立完成从系统设计到问题排查的全流程工作
最低要求
本科及以上学历，计算机、软件工程、人工智能等相关专业
具备扎实的计算机基础和良好的VibeCoding能力，熟悉 Python / TypeScript / Go / Rust 中至少一种编程语言
熟悉云原生、微服务、分布式系统、服务治理、CI/CD、观测告警等工程体系
熟悉大模型应用开发相关技术，理解 Prompt、RAG、Function Calling、Tool Use、Memory、Planning 等核心机制
具备 Agent 或大模型应用相关项目经验，能够独立完成系统设计、模块开发与问题排查
具备良好的沟通协作能力和较强的业务理解能力，能够推动复杂项目落地
工作职责
负责 AI Agent 核心能力研发，包括任务规划、工具调用、记忆管理、知识增强、多 Agent 协同等
负责 Agent 平台能力建设，包括 Workflow 编排、SDK/框架、调试评测、可观测、部署发布等
负责大模型应用开发与落地，围绕真实国际业务场景打造可生产化 AI 应用
负责系统性能、效果、成本、稳定性与安全治理，推动从 POC 到生产闭环
与产品、模型、解决方案、运维等团队协作，沉淀通用能力和最佳实践
AI 洞察
优缺点分析
优点
- 处于AI Agent这一前沿且高增长的技术赛道，技术含金量极高
- 平台资源丰富，有利于积累大规模分布式系统的实战经验
- 薪酬福利处于行业顶尖水平，职业发展路径清晰
- 技术迭代极快，需要持续高强度学习以保持竞争力
- 作为巨头企业，内部流程和规范较多，可能需要适应特定的工作节奏
- 适合具备扎实后端工程基础、对AI前沿技术有浓厚兴趣、且能承受高压环境的高级技术人员
缺点 / 挑战
- 依托阿里云强大的基础设施和国际业务场景，能接触到顶级的工程挑战
- 业务场景复杂，对系统的稳定性、成本和安全性要求极高，压力较大
角色解读
- 成为AI Agent领域的资深技术专家，主导前沿技术方向的制定
- 向技术管理方向发展，带领团队攻克更复杂的AI系统工程难题
- 拓展至AI产品架构师角色，连接技术与业务，定义下一代AI应用形态
- 研发AI Agent的核心逻辑，如任务拆解、工具调用和多智能体协作机制
- 搭建和维护Agent开发平台，提供工作流编排、调试和监控能力
- 将大模型能力转化为实际可用的生产级应用，解决复杂的业务痛点
- 优化系统性能与安全性，确保从原型到大规模部署的稳定性
- 精通至少一门主流编程语言（Python/Go/Rust），具备优秀的代码实现能力
- 深入理解大模型应用架构，掌握RAG、Function Calling、Memory管理等关键技术
- 具备深厚的后端工程功底，熟悉微服务、分布式系统及云原生基础设施
- 拥有独立设计复杂系统和解决线上问题的能力，以及良好的跨团队协作意识
申请策略
- 准备详细的项目案例，重点阐述如何解决‘不可控’的大模型输出问题
- 了解阿里云在该领域的最新布局和产品线，展现对业务的深刻理解
- 突出展示在大模型应用、Agent系统或复杂分布式项目中的核心贡献
- 强调在性能优化、成本控制或稳定性保障方面的具体成果和数据
- 体现全栈或深度专精的工程能力，特别是云原生和DevOps相关的实践经验
- 深入研究LangChain、AutoGen等主流Agent框架的原理与源码
- 强化对RAG高级技巧（如混合检索、重排序）及多模态能力的理解
- 提升系统设计能力，特别是针对高并发、低延迟AI服务的架构设计
面试指南
- STAR法则：情境-任务-行动-结果，重点突出技术选型的理由和最终的业务/技术指标提升
- 深度剖析：不仅讲‘怎么做’，更要讲‘为什么这么做’，体现对底层原理的理解
- 权衡思考：展示在不同约束条件（性能vs开发效率vs成本）下的决策过程
- 请描述你设计的一个复杂Agent系统的架构，它是如何处理长程任务和记忆的？
- 在多Agent协同场景中，如何避免死锁或资源竞争？请举例说明
- 如何评估和优化一个RAG系统的效果？有哪些关键的指标？
- 在将LLM应用从POC推向生产环境时，你遇到过哪些最大的稳定性挑战？是如何解决的？
- 对比Python和Go/Rust在AI推理或服务端开发中的优劣，你会如何选择？
职位点评
薪资福利90
成长发展95
工作生活40
使命价值70
薪资福利
90较高
作为已上市的互联网巨头，提供极具竞争力的薪资包（现金+股票），符合市场最高水准。
薪资信号偏高 (4.0千–7.0万/月)
成长发展
95较高
涉及AI Agent最前沿技术，技术栈新颖且复杂，能提供极高的技术成长空间。
技术前沿前沿/新兴技术
技术栈AI Agent、LLM、RAG、Multi-Agent、Cloud Native、Kubernetes
业务类型profit_center
工作生活
40较低
大厂核心研发部门通常工作强度较大，JD未提及弹性或远程，推测为高强度现场办公。
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
通过赋能国际业务和推动AI生产化落地，具有明确的商业价值和技术影响力。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
Watch Jobs