阿里巴巴
阿里云智能-Agent 平台技术研发技术专家-杭州
阿里云智能-Agent 平台技术研发技术专家-杭州
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公架构师
架构师
Agentscope
Ai Agent
Go
Llm
Multi-Agent
Rag
分布式系统
值不值得投
80综合评分
综合评分 80
前沿AI Agent基础设施架构岗，技术成长天花板极高，薪资处于市场高位，但工作强度与挑战较大。
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
6.3万
比架构师中位数高
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 3010 个在招 · 其中架构师 17 个
市场机会
选择适中
杭州 · 架构师 · 47 个在招
职位详情
关于这个职位
该职位负责阿里云Agent平台的核心架构与研发，涵盖Agent开发框架、上下文工程及Multi-Agent分布式架构设计
你需要推动AI Agent在企业级场景的规模化落地，打通企业AI中台与云Agent平台的智能集成
适合具备扎实分布式系统经验且对AI Agent技术有深入研究的资深技术人才
最低要求
计算机相关专业，具备扎实的工程基础、系统设计能力和生产级系统研发经验
熟练掌握 Java、Python、Go 中至少一门编程语言，具备良好的编码习惯和工程化能力
熟悉分布式系统设计与实现，对注册发现、配置中心、网关、RPC、消息、缓存、可观测等核心能力有实际落地经验
熟悉 AI Agent 或 LLM 应用开发，对 AgentScope、LangChain、Dify、ADK 等主流框架或平台有实际使用或二次开发经验
对上下文工程、RAG、Skills、Tool Calling、MCP、Memory、Agent 评估等方向有实际项目经验者优先
喜欢挑战性的技术研发工作，善于攻坚克难，自驱力和学习力强
有创新热情，积极乐观，坚韧抗压，结果导向，能够持续推动问题的解决和突破
工作职责
负责 Agent Platform 核心能力设计与研发，包括 Agent 开发框架、编排引擎、运行时、Agent Registry、工具管理、评估治理等方向
负责平台企业智能相关数据业务建设，包括企业知识接入、数据索引、权限治理、召回增强、效果评估和数据闭环，支撑企业级 Agent 应用高质量落地
负责上下文工程体系建设，围绕 Prompt、Skills、MCP Tools、Memory、知识库等能力，提升 Agent 在复杂业务场景中的理解、调用和任务完成效果
负责企业 AI 中台与云 Agent Platform 之间的智能集成，打通账号体系、统一鉴权、Agent 治理与管控能力，为企业 AI 中台提供友好、可治理、可管控、可扩展的云 Agent Platform 底座
参与 Multi-Agent 分布式架构设计，支持跨语言、跨平台 Agent 调用、协同、注册发现、链路追踪和统一治理
与 AI 网关、模型服务、数据平台等团队协同，持续提升平台高可用、性能、可观测、安全和稳定性能力
优先资格
有 Agent Platform、LLM 应用平台、企业智能平台、知识库平台、搜索推荐或数据平台建设经验
有企业数据治理、权限体系、多租户、召回排序、效果评估相关经验
有 Agent Harness / Evaluation Harness / Agent Runtime 相关系统研发经验者优先，包括但不限于 Agent 执行引擎、工具调用框架、评测框架、Benchmark、Trajectory 回放、Prompt/Skills 实验平台等方向
有 Multi-Agent 架构、Agent 编排、Agent 评估、强化学习相关实践经验
有 AgentScope、LangChain、ADK、Dify、OpenAI Evals、Inspect、Ragas、LangSmith 等 Agent 框架或评测相关项目研发/贡献经验者优先
AI 洞察
优缺点分析
优点
- 处于AI Agent与云计算结合的最前沿，能参与阿里云级基础设施建设，技术视野与影响力极大
- 接触企业级复杂场景，积累大规模分布式系统与AI中台集成的稀缺实战经验
- 依托顶尖的技术团队与资源，能与行业顶尖人才共事，技术成长天花板高
- Agent平台作为新兴基础设施，技术迭代极快，需要持续高强度的学习与攻坚
- 企业级场景对稳定性、安全性和权限治理要求极高，架构设计与落地难度大
- 跨团队协同较多，需与AI网关、模型服务、数据平台等多个团队紧密配合，沟通与推动成本高
- 适合具备扎实分布式系统底座能力，且对AI Agent/LLM技术有浓厚兴趣和实际落地经验的资深技术极客
缺点 / 挑战
暂无明显挑战项
角色解读
- 向AI基础设施首席架构师或技术总监方向发展，主导企业级AI Agent底层标准制定
- 深入AI与云计算交叉领域，成为Multi-Agent架构与上下文工程领域的行业技术专家
- 负责阿里云Agent平台的核心架构设计与研发，包括开发框架、编排引擎和运行时等
- 构建上下文工程体系与Multi-Agent分布式架构，提升Agent在复杂企业场景中的任务完成效果
- 打通企业AI中台与云Agent平台的集成，确保系统的高可用、安全与可治理性
- 精通Java/Python/Go至少一门语言，具备扎实的分布式系统设计与生产级研发能力
- 深入理解AI Agent与LLM应用开发，熟悉LangChain、AgentScope等主流框架及RAG、Tool Calling等技术
- 具备优秀的系统架构能力，能处理跨语言、跨平台的Agent协同、注册发现与链路追踪
申请策略
- 提前了解阿里云在AI Agent领域的最新产品动态，思考企业级Agent落地的痛点与解法
- 准备好应对高并发、高可用架构设计的深度拷问，以及AI技术如何与传统企业IT系统集成的系统性思考
- 突出在分布式系统（如RPC、消息、缓存、网关）的核心设计与生产级落地经验
- 详细展示在AI Agent、LLM应用、RAG或Multi-Agent架构方面的实际项目成果与开源贡献
- 强调在企业级数据治理、权限体系或多租户平台架构方面的复杂系统设计能力
- 深入学习AgentScope、LangChain等框架的底层源码，掌握上下文工程与MCP协议的最新进展
- 补充Multi-Agent分布式协同、链路追踪及Agent评测（如OpenAI Evals、Ragas）的实战经验
面试指南
- STAR法则结合架构演进：背景（业务痛点）-> 方案（技术选型与架构设计）-> 难点攻克（如一致性、高可用）-> 结果（性能指标与业务收益）
- 技术深度与广度并重：不仅回答具体技术实现，还要上升到平台化、标准化和可观测性的高度
- 请详细描述你设计过的最复杂的分布式系统架构，以及如何解决其中的高可用和一致性问题？
- 在AI Agent应用中，你是如何设计上下文工程（Context Engineering）来提升复杂任务完成率的？
- 针对Multi-Agent架构，如何实现跨语言、跨平台的Agent注册发现与链路追踪？
- 企业级Agent平台在权限治理和数据闭环方面面临哪些挑战？你的解决方案是什么？
- 对比LangChain和AgentScope，你认为它们在Agent编排和运行时设计上各有什么优缺点？
- 复习分布式系统核心理论（如CAP、Raft、分布式事务），并准备底层原理与源码级问题
职位点评
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
该岗位为高级技术专家级别，对分布式与AI架构能力要求极高，对应杭州同类岗位的市场薪资水平处于高位。
薪资信号未披露（AI估算：4.5千–8万/月）
成长发展
95较高
处于AI Agent与云计算结合的最前沿，技术栈极具前瞻性，能接触到企业级AI基础设施建设的核心场景。
技术前沿前沿/新兴技术
技术栈Java、Python、Go、AI Agent、LLM、RAG、Multi-Agent、LangChain、AgentScope、MCP
业务类型ambiguous
工作生活
50较低
JD未提及工作模式，但明确要求'坚韧抗压'，暗示该岗位可能面临较高的工作强度与挑战。
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
80较高
推动AI Agent在企业级场景的规模化落地，赋能企业数字化转型，具有较高的行业价值与技术使命感。
行业发展高速增长赛道
社会影响中性/一般
使命信号驱动企业数据智能飞轮持续运转
创新程度开拓性创新（行业首创）
Watch Jobs