阿里巴巴
阿里云智能-Agent 平台数据智能研发技术专家-杭州
阿里云智能-Agent 平台数据智能研发技术专家-杭州
发布于 大约 3 小时前普通员工/个人贡献者
杭州市
高级经验
全职员工
仅现场办公
学历未注明
机器学习工程
Agent Memory
Agentscope
Llm
Mcp
Rag
Sql
上下文工程
向量数据库
AI 估算 · 40k–60k
阿里云技术专家级岗位，AI Agent方向人才稀缺，杭州薪资水平高，预计月薪4-6万，16薪。
职位详情
关于这个职位
这是阿里云智能集团的一个资深技术研发岗位，负责构建企业级AI Agent平台的数据智能与记忆体系
你将参与从Agent运行轨迹、业务流程到用户反馈的数据闭环设计，并重点攻克Agent Memory、上下文工程、语义化数据分析等前沿方向，推动Agent持续自进化
岗位偏重工程落地，要求扎实的Python和SQL功底，并有LLM应用或Agent开发经验
最低要求
计算机、数学、统计、人工智能等相关专业，具备扎实的工程基础、数据分析能力和系统设计能力
有 AI、数据平台、后端平台或 LLM 应用相关研发经验，熟练掌握 Python 和 SQL，熟悉 Java 或 Go 者更佳
熟悉 AI Agent 或 LLM 应用开发，了解 AgentScope、LangChain、Dify、ADK 等主流框架或平台，对 RAG、Tool Calling、MCP、Context Engineering 有实际项目经验
熟悉 Agent Memory 相关架构和工程实践，理解短期记忆、长期记忆、工作记忆、情景记忆、语义记忆等概念，有记忆检索、压缩、衰减、冲突消解等落地经验者优先
熟悉语义化数据分析方法，如意图识别、主题聚类、相似度检索、向量检索、Badcase 挖掘、调用链分析、失败归因等
具备良好的指标设计、效果评估和问题定位能力，能够基于数据驱动 Agent 效果、记忆质量和运行效率优化
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 平台数据智能体系建设，构建从 Agent 会话、运行轨迹、工具调用、用户反馈到业务结果的数据闭环，支撑 Badcase 挖掘、失败归因、效果评估和资产沉淀
负责 Agent Memory 体系建设，设计并实现短期会话记忆、长期用户记忆、企业知识记忆、任务状态记忆等能力，支撑 Agent 在复杂业务场景中的连续交互和个性化服务
负责记忆系统的工程化建设，包括记忆写入、检索、更新、压缩、衰减、冲突消解、权限隔离和生命周期管理
负责上下文工程能力建设，围绕 Prompt、Skills、RAG、Memory、MCP Tools 等方向，提升 Agent 的业务理解、工具调用准确率和任务完成效果
负责企业智能资产和流程资产沉淀，将知识库、Skills、Prompt、Workflow、策略规则、案例库等转化为可复用、可治理、可演进的智能资产
负责 Agent 效果评估与自进化机制建设，包括评测集、自动评估、指标体系、A/B 实验、LLM-as-Judge、Trajectory Replay 等能力，并持续优化 Agent 效果与推理成本
优先资格
有 Agent Memory、长期记忆、个性化 Agent、长对话系统、用户画像、智能助手记忆系统等Context Engineering方向的项目经验
有 Mem0、Letta / MemGPT、Zep、LangChain Memory、LlamaIndex Memory 等记忆相关开源项目研发、使用或贡献经验者优先
有 Agent Evaluation Harness、Benchmark、Trajectory Replay、自动评估、LLM-as-Judge 等评测体系建设经验
有企业知识库、权限体系、多租户、审计管控、搜索推荐、向量数据库、知识图谱、流程挖掘或数据平台建设经验
AI 洞察
优缺点分析
优点
- 处于AI大模型应用最前沿，Agent Memory方向人才稀缺，技术积累含金量高
- 团队氛围强调创新和自驱，能参与开源社区（如Mem0、MemGPT）相关的技术实践
- 薪资和福利在杭州极具竞争力，股票和年终奖可观
- 工作强度大，要求坚韧抗压，可能需要应对高并发的线上问题
- 技术方向新且复杂，需要不断学习新框架和算法，持续跟进前沿研究
缺点 / 挑战
- 阿里云平台，技术挑战大，接触企业级AI Agent核心架构
- 跨团队协作多，对沟通和推动能力有较高要求
- 适合热爱AI和LLM技术、喜欢挑战高难度问题、愿意在大平台高强度成长的技术专家
角色解读
- 从技术专家向资深技术专家或架构师方向发展，深耕Agent平台核心架构
- 有机会成为Agent Memory、上下文工程等细分领域的技术负责人，带领团队攻关
- AI Agent是行业前沿方向，可积累稀缺经验，未来向CTO或技术总监方向发展
- 构建Agent平台的数据闭环，分析Agent运行轨迹和用户反馈，挖掘坏case并进行失败归因
- 设计并实现Agent Memory系统，包括短期/长期记忆的存储、检索、压缩和生命周期管理
- 开发上下文工程能力，优化Prompt、RAG、MCP Tool调用，提升Agent任务完成效果
- 建设Agent效果评估体系，利用LLM-as-Judge、Trajectory Replay等机制持续迭代优化
- 扎实的Python和SQL能力，熟悉Java或Go更佳，具备完善的工程和系统设计能力
- 深入了解AI Agent和LLM应用，熟悉主流框架如LangChain、AgentScope、Dify
- 在RAG、Tool Calling、MCP、Context Engineering上有实际落地经验
- 对记忆架构有深刻理解，具备记忆检索、压缩、冲突消解等实践经验
申请策略
- 了解阿里云Agent平台的产品方向（如百炼），思考如何与现有业务结合
- 在面试中多展示对Agent自进化理念的理解，体现系统性思维
- 重点突出Agent或LLM项目的完整落地经验，特别是Memory或Context Engineering方向的实践
- 展示对RAG、MCP、Tool Calling等技术的深入理解，以及具体项目中的性能优化成果
- 如有开源贡献（如LangChain、Mem0等）要突出，能体现技术影响力
- 强调数据分析和工程系统设计能力，用数据指标量化成果
- 补充学习Agent Memory相关开源项目，如Mem0、Letta、Zep，并尝试贡献代码
- 熟悉主流Agent框架的最新特性，如LangChain Memory模块、Dify工作流
面试指南
- 从系统和工程的角度，先定义问题边界，再给出分层架构方案，并说明权衡
- 结合具体经验，强调数据驱动，用指标和实验验证方案效果
- 展现对前沿技术的了解，但落地为主，避免空谈理论
- 如何设计一个支持长期记忆的Agent系统？请谈谈记忆的存储、检索和更新策略
- 在RAG应用中，如何优化检索质量和减少幻觉？
- 你如何构建Agent的评估体系？LLM-as-Judge有什么局限？
- 如何压缩Agent的记忆而不丢失关键信息？
- 给定一个Agent失败case，你会如何归因和修复？
职位点评
73
综合评分
前沿AI Agent研发，技术驱动，薪资优厚，但工作强度大、WLB一般。
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
最适合追求技术前沿和职业成长、对高强度工作有心理准备的技术人才。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展95
工作生活40
使命价值70
薪资福利
75中等
岗位薪资水平较高，阿里平台福利有保障，但JD未明确薪资范围或具体福利。
薪资信号未披露（AI估算：40K-60K/月）
成长发展
95较高
该岗位处于AI Agent技术最前沿，涉足Agent Memory、上下文工程等核心方向，技术成长空间巨大。
技术前沿前沿/新兴技术
技术栈Python、SQL、LLM、Agent、RAG、MCP、LangChain、AgentScope、Dify、Mem0、MemGPT
成长机会自进化、持续优化、学习力强
业务类型ambiguous
工作生活
40较低
要求现场办公，工作地点在科技园区域，JD中强调坚韧抗压，工作强度可能较大。
工作模式仅现场办公
办公地点科技园/产业园
加班情况明确要求弹性/高强度
使命价值
70中等
AI Agent是行业高增长赛道，但岗位更多是技术支撑，社会意义感一般。
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