阿里巴巴
ATH事业群-AI Agent 全栈研发工程师-杭州
ATH事业群-AI Agent 全栈研发工程师-杭州
发布于 9 小时前普通员工/个人贡献者
全职员工仅现场办公全栈开发
全栈开发
Agent Runtime
Agentic Rag
Graphrag
Langgraph
Mcp
向量数据库
值不值得投
77综合评分
综合评分 77
头部企业核心AI Agent全栈岗，技术前沿且成长空间巨大，薪资极具竞争力，但工作节奏与压力可能较大。
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
5.3万
比全栈开发中位数高
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 2870 个在招 · 其中全栈开发 18 个
市场机会
选择适中
杭州 · 全栈开发 · 38 个在招
职位详情
关于这个职位
该职位负责设计和实现AI Agent运行时及任务编排引擎，搭建端到端评测框架以保障系统可靠性，并主导AI原生应用的全链路交付
你需要具备全栈开发能力，打通大模型推理、Agent编排到前端界面的完整链路，将业务需求转化为可落地的技术方案
最低要求
一、基础条件
● 计算机、人工智能、数学等相关专业本科及以上学历
● 3 年以上软件研发或 AI 工程落地经验（高级 / P7 方向需 5 年以上），有生产环境 AI 应用的开发与调优经历
● 有从设计到上线、独立交付复杂系统的完整经历——需求、架构、编码、调优、线上运维整条链路都走过一遍
二、核心能力
● 全栈无边界：Node、Python、Java 至少一门能扛生产，不挑技术栈、缺哪补哪，有独立扛起一条端到端链路的经验
● Agent 运行时：有基于 Planning / Memory / Tool-use 构建编排引擎、Function Calling、MCP 工具链或多步任务管线的落地经验，踩过长链路稳定性与时延成本的坑并把它填上
● 评测与可靠性：有搭建端到端 Eval、可观测体系（决策轨迹 / 工具准确率 / 自愈率）的实践，习惯用数据度量效果而不是拍脑袋
● 复杂问题拆解：主导过有明确指标的技术攻坚，能把模糊的商业需求转化为清晰、可执行、可验证的 Agent 工程链路
工作职责
一、Agent Runtime 与任务编排
● 设计并实现 Agent 运行时——基于 Planning / Memory / Tool-use 构建高性能编排引擎，覆盖多步推理（ReAct / Plan-and-Solve）、上下文管理与状态机，让 Agent 稳定跑完长链路任务而不中途跑飞
● 深度优化 Function Calling 并基于 MCP（Model Context Protocol）构建可扩展工具链，打通 Agent 与外部系统、企业应用的互通
● 落地 Agentic RAG 与 GraphRAG，构建支持多跳推理与动态更新的长效记忆系统，突破长上下文知识瓶颈
● 打通工具与沙箱执行层——代码执行、文件操作、外部 API 调用的安全隔离与权限控制，让 Agent 既能干活又不越界
二、评测与可靠性（Eval Harness）
● 搭建端到端 Eval Framework——从单点工具调用到完整任务轨迹（trajectory）的自动化评测，用数据而不是直觉来判断每次迭代是进步还是退步
● 建立自动化监控闭环——围绕决策轨迹、工具调用准确率、自愈率做全链路 tracing 与失败分层归因（infra 层自动重试、agent 层转人工），让线上问题可复现、可定位
● 沉淀回归数据集与质量基线，推动团队形成“改一版就能量化验证”的研发节奏
三、全栈应用落地
● 主导 AI 原生应用的端到端交付——打通从大模型推理、Agent 编排到前端用户界面的全链路，独立完成核心系统与模块的开发上线
● 负责 Agent 工作台的交互实现——会话、任务视图、运行轨迹可视化，让用户真正看得懂 Agent 在做什么、卡在哪
● 保持对业务场景的敏锐洞察，快速理解业务痛点，把模糊的产品需求转化为清晰的技术方案并推动快速迭代
四、技术协作与工程文化
● 参与 Agent 方向的人才引进与技术面试，协助搭建高水准的工程团队
● 积极沉淀 Agent 工程实践，输出技术文档与最佳实践，营造开放分享的工程文化
● 参与技术分享与行业交流，在 Agent 工程领域建立个人和团队的技术影响力
优先资格
● 有 Codex、Claude Code、Cursor 等编码 Agent 或 Agent 产品的深度使用或研发经验，有敏捷的AI协作技巧
● 有基于 LangGraph、OpenAI Agents SDK、Google ADK、Hermes Agent 等主流 Agent 框架构建多 Agent 系统的经验，有源码级定制或重构经历者更佳
● 有 Agentic RAG / GraphRAG 落地经验，用过 Milvus、Qdrant、Neo4j、NebulaGraph 等向量 / 图数据库
或有面向 Tool-use 场景的 SFT / DPO 模型对齐实战
● 有字节、腾讯、百度等大厂 Agent 平台或研发效能工具的落地案例，或作为核心开发者参与过知名开源 AI / Agent 项目
● 重点应用领域架构能力
电商、营销、金融 等
AI 洞察
优缺点分析
优点
- 处于AI Agent这一高速增长的前沿赛道，能够接触到最新的大模型应用技术与工程实践
- 岗位强调全栈无边界与端到端交付，有助于培养全面的系统架构能力和业务落地能力
- 依托大型互联网平台的丰富业务场景（如电商、营销、金融），技术成果能产生巨大的商业价值
- 长链路任务的稳定性、时延成本及评测体系搭建属于行业难题，技术攻坚难度高
- 适合具备扎实全栈开发基础、对大模型与AI Agent有浓厚兴趣，且渴望在复杂业务场景中解决前沿技术难题的资深研发工程师
缺点 / 挑战
- AI Agent技术迭代极快，需要持续学习最新的框架、协议（如MCP）及模型能力，学习压力较大
角色解读
- 在AI Agent这一前沿领域深耕，从底层运行时到上层应用全链路技术积累，成为AI工程化专家
- 通过参与技术分享、行业交流及开源项目，建立个人技术影响力，向技术专家或架构师方向发展
- 设计并实现AI Agent运行时与任务编排引擎，优化Function Calling与MCP工具链，构建高性能的Agent执行环境
- 搭建端到端的评测框架与自动化监控闭环，通过数据驱动的方式保障Agent系统的可靠性与决策准确率
- 主导AI原生应用的全链路交付，打通大模型推理、Agent编排到前端界面的完整链路，实现业务场景落地
- 具备全栈开发能力，熟练掌握Node、Python或Java至少一门语言，能独立承担端到端链路的开发
- 深入理解Agent运行时架构，有基于Planning/Memory/Tool-use构建编排引擎及Function Calling的落地经验
- 熟悉大模型评测与可观测体系，能够搭建端到端Eval框架，习惯用数据度量效果并解决复杂工程问题
申请策略
- 在简历或面试中展示对Codex、Cursor等编码Agent的深度使用经验，体现敏捷的AI协作技巧
- 提前了解阿里云在AI Agent领域的最新产品与业务布局，结合电商、金融等具体场景思考技术方案
- 重点突出在Agent运行时、Function Calling、MCP工具链或RAG系统方面的实际落地项目与性能优化成果
- 展示端到端交付复杂系统的完整经历，强调从需求、架构到线上运维的全链路把控能力
- 列举搭建评测框架、可观测体系或自动化监控闭环的具体案例，体现数据驱动的工程思维
- 深入学习LangGraph、OpenAI Agents SDK等主流Agent框架，了解其源码设计与多Agent系统构建方法
- 熟悉Agentic RAG与GraphRAG技术，掌握Milvus、Neo4j等向量/图数据库的应用与优化
面试指南
- STAR法则：情境(Situation) -> 任务(Task) -> 行动(Action) -> 结果(Result)，重点突出技术选型、难点攻克和量化收益
- 系统架构思维：从全局视角出发，分层阐述（如基础设施层、引擎层、应用层），强调高可用、可扩展与可观测性设计
- 请详细描述你如何设计并实现一个基于Planning和Memory的Agent编排引擎，如何解决长链路任务中途跑飞的问题？
- 在搭建端到端Eval Framework时，你是如何定义决策轨迹和工具调用准确率的？如何处理评测中的主观性问题？
- 请分享一个你主导的复杂系统交付案例，在需求模糊的情况下，你如何将其转化为清晰可执行的Agent工程链路？
- 针对Function Calling和MCP工具链，你是如何进行深度优化和安全隔离的？
- 在Agentic RAG或GraphRAG落地中，你遇到了哪些长上下文知识瓶颈？是如何突破的？
- 复习并梳理自己过往项目中与Agent、RAG、大模型应用相关的技术细节，准备好应对底层原理和工程实现的深挖
职位点评
薪资福利85
成长发展95
工作生活40
使命价值80
薪资福利
85较高
作为头部互联网企业的核心AI研发岗位，薪资水平处于市场前列，能够提供极具竞争力的物质回报。
薪资信号偏高 (3.5千–7万/月)
成长发展
95较高
岗位聚焦AI Agent这一前沿领域，技术栈极具前瞻性，且鼓励技术分享与行业交流，个人技术成长空间巨大。
技术前沿前沿/新兴技术
技术栈Agent Runtime、Function Calling、MCP、Agentic RAG、GraphRAG、LangGraph、Python、Node.js
成长机会技术分享、行业交流、建立个人和团队的技术影响力
业务类型profit_center
工作生活
40较低
JD未明确提及工作模式与WLB相关信息，且AI前沿技术攻坚岗位通常面临较高的交付压力与快节奏。
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
80较高
处于AI Agent这一高速增长赛道，技术成果能赋能电商、金融等核心商业场景，具有较高的行业前景与技术使命感。
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