阿里巴巴
阿里云智能-AI Agent应用工程师-专有云（北京&杭州）
阿里云智能-AI Agent应用工程师-专有云（北京&杭州）
发布于 大约 4 小时前普通员工/个人贡献者
北京市 / 杭州市
高级经验
全职员工
仅现场办公
本科
人工智能
Ai Agent
Multi-Agent
Rag
Tob
专有云
大模型
微服务
架构设计
AI 估算 · 40k–70k
职位详情
关于这个职位
作为阿里云智能的AI Agent应用工程师，你将负责企业级AI Agent应用的架构设计与核心模块建设，面向政企、金融等ToB场景，将大模型能力封装为可复用的Agent产品与解决方案
工作涉及Agent编排引擎、LLM应用工程化、平台能力沉淀及场景化模板交付，需要扎实的工程能力和对Agent技术的深入理解
最低要求
Agent 产品架构能力：理解 Agent Runtime、Planner、Memory、Tool、Knowledge、Workflow、Evaluator、Guardrail 等核心模块
能够根据业务场景选择单 Agent、Multi-Agent、Agentic Workflow 或人机协同方案
能将业务流程抽象为任务模型、工具模型、知识模型、权限模型和评估模型
能判断哪些能力适合平台化，哪些能力适合场景化，哪些场景不适合 Agent 化
LLM 应用工程能力：熟悉 LangChain、LlamaIndex、AutoGen、CrewAI、Semantic Kernel 等框架之一，或有自研 Agent 框架经验
理解模型调用、上下文窗口、Token 成本、缓存、限流、降级、重试、异步任务等工程问题
有生产级 LLM 应用上线经验，能处理稳定性、性能、安全、成本和运维问题
企业级平台工程能力：熟悉微服务、分布式系统、消息队列、任务调度、API 网关、权限体系、日志监控等工程体系
工作职责
企业级 Agent 产品架构设计：负责 Agent 平台整体架构设计，包括 Agent Runtime、编排引擎、工具调用、知识接入、权限安全、观测评估、部署运维等核心模块
将大模型、RAG、工具调用、工作流、知识库等能力抽象为可配置、可复用的平台能力
面向专有云、混合云等企业级场景，设计安全可治理的运维体系
Agent 编排引擎与运行时建设：设计并建设 Agent 编排引擎，支持任务分解、状态管理、工具调用、异常恢复、人机协同和结果追踪
根据场景选择单 Agent、Multi-Agent、Agentic Workflow 等不同工程方案
提升 Agent 运行过程的可观测、可评估、可回放和可调试能力
LLM 应用工程化与平台能力沉淀：优化 Agent 在生产环境中的延迟、成本、稳定性、安全性和知识召回质量
建立 Agent 评估体系，覆盖任务完成率、事实准确性、工具调用成功率、人工介入率等指标
推动平台能力组件化、标准化，降低新场景接入与交付成本
场景化产品交付与模板沉淀：面向政务、教育、金融、企业办公等场景，识别适合 Agent 化的高价值任务
将项目中的业务流程、知识结构、工具链路、Prompt 模板和评估样例沉淀为标准 Agent 模板
优先资格
有 ToB 平台型产品、专有云、私有化部署或行业解决方案经验者优先
AI 洞察
优缺点分析
优点
- 阿里云平台资源丰富，能接触大规模企业级应用场景
- 薪资待遇优厚，大厂福利完善
- 技术迭代快，需要持续学习，保持技术敏感度
- 适合对AI Agent技术有热情、具备扎实工程能力、愿意在ToB领域深耕的技术人才
缺点 / 挑战
- 身处AI Agent前沿领域，技术挑战大，成长空间广阔
- ToB项目交付压力大，需要应对复杂客户需求和项目周期
- 工作强度可能较高，需要适应快速节奏
角色解读
- 技术专家路线：深耕Agent架构与LLM工程，成为领域专家
- 架构师路线：从单一Agent到平台架构，负责整体技术方案
- 管理路线：带领团队负责Agent产品线，向技术管理方向发展
- 负责企业级AI Agent应用的架构设计，包括Agent Runtime、编排引擎、工具调用等核心模块
- 建设Agent编排引擎，支持任务分解、状态管理、工具调用、异常恢复等能力
- 优化Agent在生产环境中的性能、成本、稳定性，并建立评估体系
- 面向政务、金融等场景，将业务流程沉淀为标准Agent模板，推动产品化交付
- 深入理解Agent核心模块（Runtime、Planner、Memory等），能根据场景选择合适架构
- 熟悉LangChain、LlamaIndex等主流Agent框架，具备生产级LLM应用工程经验
- 掌握微服务、分布式系统、消息队列等企业级平台工程技能
- 具备ToB产品思维，能将技术能力转化为客户价值
申请策略
- 了解阿里云专有云产品线，思考Agent在其中的应用场景
- 准备一个完整的Agent项目案例，展示从设计到落地的全过程
- 突出Agent相关项目经验，特别是生产级LLM应用的架构设计和落地案例
- 强调对LangChain、RAG、Multi-Agent等技术的深入理解和实践
- 展示企业级平台工程能力，如微服务、分布式系统设计经验
- 如果有ToB项目交付经验，务必详细描述
- 深入学习Agent编排引擎原理，了解主流框架源码
- 补充企业级平台架构知识，如权限体系、日志监控等
面试指南
- 采用STAR法则回答项目经验问题，突出场景、任务、行动和结果
- 对于架构设计问题，从需求分析、模块划分、技术选型、权衡取舍等方面展开
- 对于评估问题，结合具体指标和工具，说明如何量化效果
- 如何设计一个企业级Agent平台？请谈谈核心模块和架构
- 在Multi-Agent和Agentic Workflow之间如何选择？请举例说明
- 如何评估一个Agent在生产环境中的表现？你会关注哪些指标？
- 请描述一个你处理过的LLM应用稳定性或性能问题的案例
- 如何将一个客户需求抽象为可复用的Agent模板？
职位点评
80
综合评分
前沿AI Agent技术岗，发展空间大，薪资竞争力强，但工作强度可能较高。
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。
更适合这类人
适合追求技术前沿、渴望快速成长、对AI Agent领域有浓厚兴趣的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展95
工作生活50
使命价值80
薪资福利
85较高
阿里云作为大厂，薪资福利具有较强竞争力，但JD未明确具体薪资范围。
薪资信号未披露（AI估算：40K-70K/月）
成长发展
95较高
职位处于AI Agent前沿领域，技术挑战大，平台资源丰富，成长空间广阔。
技术前沿前沿/新兴技术
技术栈AI Agent、大模型、LangChain、RAG、Multi-Agent、Agentic Workflow、微服务、专有云
业务类型profit_center
工作生活
50较低
JD未提及远程或弹性办公，工作地点为北京或杭州，通勤情况取决于具体办公地点，但大厂工作强度可能较高。
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
80较高
AI Agent应用对政企、金融等行业有较大价值，能推动行业智能化转型，但JD未明确提及社会使命。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs