阿里巴巴
阿里云智能-AI Agent研发工程师-杭州
阿里云智能-AI Agent研发工程师-杭州
发布于 大约 7 小时前普通员工/个人贡献者
杭州市
中级经验
全职员工
仅现场办公
本科
机器学习工程
Graphrag
Langgraph
Llm
Mcp
Rag
Sft/Dpo
向量数据库
AI 估算 · 25k–45k
AI Agent方向前沿，阿里平台加持，杭州互联网薪资偏高。
职位详情
关于这个职位
作为阿里云智能的AI Agent研发工程师，你将专注于Agent核心架构设计与落地，基于MCP等标准构建工具链，应用尖端技术如Agentic RAG和GraphRAG，并负责端到端交付AI原生应用
需要掌握主流Agent框架和LLM推理优化，是投身AI前沿的绝佳机会
最低要求
计算机、人工智能、数学等相关专业本科及以上学历
具备3年以上后端研发或AI算法工程落地经验，有实际生产环境的AI应用调优经验
精通Python、Go、Java或node中至少一门，具备高并发、高可用分布式系统的架构设计与排坑能力
具有Agent前沿框架实战经验：需深刻理解并熟练使用当前主流的高阶Agent框架（如LangGraph, PydanticAI, LlamaIndex Workflows, CrewAI, AutoGen, smolagents等），有源码级定制或彻底重构经验优先
深入理解Transformer机制及主流大语言模型的优劣势（Qwen, DeepSeek, Gemini, Claude, OpenAI等）
熟悉基于大语言模型的推理范式（ReAct, CoT, ToT, Plan-and-Solve）
熟悉向量数据库（如Milvus, Qdrant）的使用与调优
熟悉图数据库（如Neo4j, NebulaGraph）并在知识图谱/GraphRAG领域有实践经验
有Agent应用研发或行业、垂类应用经验，有全栈或前后端综合迭代能力以及快速学习能力，对复杂企业应用或成规模的用户应用有架构实践，擅长对产品问题进行量化分析和测评，具备用户视角的体验优化经验
极强的技术嗅觉（时刻保持对arXiv最新论文和开源社区的跟进）
具备优秀的业务拆解能力，能够将模糊的商业需求转化为清晰的Agent工程链路
工作职责
Agent工程架构落地：
● 主导Agent核心架构设计，构建基于Planning/Memory/Tool-use的高性能编排引擎，实现复杂任务的自动化规划与执行
基于MCP (Model Context Protocol)标准构建可扩展工具链，深度优化Function Calling，实现Agent与企业系统的无缝互通
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
● 推理策略与调优：设计混合路由策略，主导面向Tool-use场景的模型微调（SFT/DPO）与Prompt优化，平衡推理速度与深度
● 评估与可观测性：搭建端到端Eval Framework，建立基于决策轨迹、工具准确率、自愈率的自动化监控闭环
Agent应用场景落地：
● 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
● 全栈交付与定制：主导AI原生应用的端到端交付，打通从大模型推理、Agent业务流编排到前端用户交互界面的全链路，独立或主导完成AI应用的开发与上线
优先资格
开源贡献：作为核心开发者参与知名开源AI/Agent项目，或在GitHub上有高Star相关的开源项目
复杂系统落地：主导过复杂的Multi-Agent系统从0到1的落地，并产生显著实际业务价值的案例
模型微调实战：具备针对Agent场景独立进行数据工程合成与模型对齐训练（如强化学习RLHF/GRPO提升推理能力、SFT提升工具调用精准度）的实战经验
重点应用领域架构能力
如：搜索、内容、客服、营销、电商等平台领域经验
AI 洞察
优缺点分析
优点
- 阿里云平台资源丰富，有海量业务场景和算力支持
- 与顶尖AI团队合作，有机会参与开源项目和业界标准制定
- 薪资待遇优厚，大厂福利稳定
- Agent技术尚在早期，需要持续学习跟踪最新论文，工作强度高
- 需要全栈能力，前后端兼顾，对综合能力要求高
- 业务场景复杂，需要快速理解行业痛点并抽象成技术方案，沟通成本高
- 适合对AI Agent充满热情、具备扎实工程实力和快速学习能力，能适应高强度技术迭代的工程师
缺点 / 挑战
- 处于AI Agent最前沿，技术挑战大，个人成长快
角色解读
- 技术专家路线：从Agent研发工程师进阶为AI架构师，主导大型智能体系统设计
- 管理路线：可向技术经理或团队负责人发展，带领AI应用团队
- 行业深耕：在云智能平台，接触各行业客户，成为行业AI解决方案专家
- 负责Agent核心架构设计，构建基于Planning/Memory/Tool-use的高性能编排引擎，实现复杂任务自动化
- 基于MCP标准构建可扩展工具链，优化Function Calling，打通Agent与企业系统的集成
- 实施Agentic RAG和GraphRAG，构建长效记忆系统，并设计混合路由策略，优化模型推理
- 端到端交付AI原生应用，涵盖后端逻辑、业务编排到前端界面
- 精通Python/Go/Java等至少一门语言，具备高并发分布式系统架构能力
- 熟练使用LangGraph、PydanticAI等主流Agent框架，并能进行源码级定制或重构
- 深入理解Transformer机制和主流LLM，熟悉ReAct、CoT等推理范式
- 熟悉向量数据库和图数据库的使用与调优，有GraphRAG实践经验
申请策略
- 了解阿里云智能的业务方向，思考Agent在云上可能的应用场景
- 在面试中展现对前沿技术的热情和落地思考，而非只谈概念
- 突出Agent框架实战经验，如使用LangGraph等项目构建过的具体系统
- 展示微调模型或优化Prompt的实际案例，量化效果提升
- 强调分布式系统架构设计和排错能力，附上高并发项目经历
- 如有开源贡献或高质量GitHub项目，放在显眼位置
- 系统梳理主流Agent框架源码，尝试复现或定制一个完整案例
- 深入理解MCP协议，动手实现一个MCP工具服务器
面试指南
- 使用STAR法则：阐述背景-任务-行动-结果，突出量化指标
- 从问题定义到技术选型，再到实现细节和权衡，展示系统性思考
- 结合前沿技术，说明如何平衡效果和性能
- 请描述一个你设计过的Agent系统架构，如何解决复杂任务规划？
- 如何评估Agent的性能？你使用过哪些指标？
- 在Function Calling优化中，你遇到了哪些挑战？如何解决？
- 谈谈你对GraphRAG的理解，以及何时使用它？
- 如果让你将一个业务流程Agent化，你会怎么设计？
职位点评
72
综合评分
阿里云AI Agent研发岗，技术前沿薪资优，但工作强度可能较大。
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。
更适合这类人
适合追求技术成长、渴望在AI前沿领域深耕的工程师，对工作生活平衡要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展95
工作生活45
使命价值70
薪资福利
70中等
该职位薪资未在JD中披露，但阿里平台通常提供有竞争力的薪酬和稳定福利，补偿性动机满足程度中等偏上。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
95较高
职位聚焦AI Agent前沿技术，涉及最新的架构和模型，技术成长空间大，但晋升路径未明确。
技术前沿前沿/新兴技术
技术栈Agent、LLM、MCP、RAG、GraphRAG、LangGraph、SFT、DPO
业务类型ambiguous
工作生活
45较低
工作地点在杭州，未提及弹性或远程，互联网公司强度通常较高，生活化动机满足有限。
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
AI Agent技术处于高速增长赛道，对社会生产方式有潜在提升，但职位本身更偏工程实现，意义感一般。
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