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 7 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
CI/CD
Llm
代码理解
安全
私有化部署
评估体系
软件工程
值不值得投
69综合评分
综合评分 69
前沿AI Agent技术岗，深度结合软件工程，技术成长空间大，但工作挑战高，WLB未知。
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
45K
与人工智能中位数基本持平
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 2520 个在招 · 其中人工智能 约 180 个
市场机会
选择面较广
北京 · 人工智能 · 约 230 个在招
职位详情
关于这个职位
该职位负责构建和优化用于软件工程的AI Agent系统，具体涉及Code Agent的核心架构设计、开发大型代码库的理解与定位能力，并搭建从需求理解到代码修改的任务闭环
目标是将AI Agent技术落地于Bug修复、单测补全、代码评审等实际场景，显著提升研发效率
最低要求
Code Agent 架构能力
● 理解 Planner、Repository Context、Tool、Sandbox、State、Evaluator、Guardrail 等核心模块
● 理解“分析—规划—编辑—执行—验证—修复”的运行闭环，能够设计异常恢复和人工介入机制
● 能判断模型、确定性工作流和工程工具各自适合承担的职责
软件工程与工具链能力
● 具备扎实的后端或平台工程能力，熟悉 Git、构建系统、测试框架和 CI/CD
● 理解 AST、LSP、静态分析、依赖关系或代码搜索中的一种或多种技术
● 熟悉异步任务、消息队列、容器、任务调度和隔离执行等工程体系
LLM 应用工程能力
● 熟悉至少一种 Agent 框架，或有自研 Code Agent、Coding Assistant 的实践经验
● 理解上下文窗口、模型路由、缓存、Token 成本、限流、重试和降级等生产问题
● 能处理危险命令、源码泄露、凭证访问和工具越权等安全风险
企业级产品与交付意识
● 有 ToB 平台、私有化部署或企业研发效能产品经验者优先
● 能从研发流程中识别 Agent 化机会，并判断价值、可交付性、可验收性和可复制性
● 能与产品、研发及客户技术团队协作，将技术能力转化为可量化的研发效率提升
工作职责
Code Agent 架构与核心模块建设
● 负责 Code Agent 核心模块设计与研发，包括 Runtime、Planner、仓库上下文、代码编辑、工具调用、执行沙箱、状态管理和权限审计
● 建设仓库级代码索引、语义检索、依赖分析和上下文组装能力，提升大型代码库的理解与定位效率
● 对接 Git、代码托管、IDE、需求系统和 CI/CD，支持专有云、混合云及企业内网部署
自主软件工程任务闭环建设
● 建设从需求或 Issue 理解、代码定位、方案规划、代码修改、测试执行到错误修复的任务链路
● 完善长任务中的状态保存、重试恢复、人工确认、失败回退和过程追踪能力
● 根据任务复杂度选择单 Agent、确定性 Workflow 或人机协同方案
工程化与评估体系建设
● 优化真实代码仓库中的任务完成率、有效 Patch 率、测试通过率、运行延迟、Token 成本和执行稳定性
● 建设覆盖仓库理解、Bug 修复、测试生成、代码评审和代码迁移的评估集与回归机制
● 完善 Trace、执行回放和失败样本分析能力，支持问题定位与持续迭代
场景落地与模板沉淀
● 面向 Bug 修复、单测补全、代码评审、重构迁移等场景，识别高价值、可验收的 Agent 任务
● 将任务流程、仓库规则、工具链路、权限策略和评估样例沉淀为标准任务模板
优先资格
有 ToB 平台、私有化部署或企业研发效能产品经验者优先
AI 洞察
优缺点分析
优点
- 公司平台：背靠阿里云，有丰富的ToB场景和大规模企业客户，能接触复杂工程问题
- 业务价值直接：工作成果（提升研发效率）可量化，对公司和客户有明确价值
- 技术难度高：涉及LLM、软件工程、系统架构的深度融合，对综合能力要求极高
- 工程复杂度大：需要处理真实代码仓库的复杂性、企业部署环境约束及生产系统的稳定性要求
缺点 / 挑战
- 技术前沿：处于AI Agent与软件工程结合的前沿领域，技术挑战高，成长空间大
- 场景落地压力：需要将前沿技术转化为可交付、可验收的产品功能，平衡创新与实用
- 对AI技术与软件工程都有浓厚兴趣，兼具扎实工程能力与AI系统设计思维，乐于解决复杂、有挑战性的技术问题，并追求技术产生实际业务价值的工程师
角色解读
- 技术专家路线：深耕AI Agent与软件工程结合领域，成为该细分方向的架构师或技术专家
- 产品技术路线：凭借对研发场景的深刻理解，转向AI辅助研发工具的产品经理或技术负责人
- 技术管理路线：领导团队进行更大规模的AI研发效能平台建设
- 设计与构建面向软件工程的AI Agent核心系统，包括代码理解、规划与执行闭环
- 研发让AI Agent能自主完成代码修改、测试和修复等复杂任务链的技术
- 在真实企业代码仓库中优化AI Agent的性能、稳定性和安全性，并将其应用于具体研发场景
- 需要具备深厚的软件工程功底，特别是后端/平台开发、CI/CD流水线及代码分析（如AST、LSP）技术
- 必须精通LLM应用工程，包括Agent框架、上下文管理、Token优化及生产环境下的安全与稳定性保障
- 需要具备系统架构设计能力，能够理解并设计复杂模块的交互与恢复机制
- 需要有企业级产品思维，能将技术方案与实际业务价值（研发效率提升）挂钩，并理解ToB交付要求
申请策略
- 在面试中准备好阐述你对“Code Agent”技术栈的理解，特别是规划、执行、验证闭环的设计思考
- 准备1-2个你处理过的复杂工程系统案例，说明其中的技术难点和你的解决方案
- 可以提前了解阿里云在研发效能或AI工具方面的公开产品，思考其技术挑战
- 重点突出在代码分析工具、CI/CD、DevOps或平台工程方面的实际开发经验
- 详细描述任何涉及LLM、大模型应用或Agent系统的项目经验，强调你的角色和技术贡献
- 展示处理复杂系统架构设计、高并发/异步任务处理或分布式系统相关的能力
- 如有ToB产品、私有化部署或研发效能工具开发经验，务必清晰阐述
- 深入理解一种或多种主流的LLM Agent框架（如LangChain、AutoGen等）及其底层原理
面试指南
- 架构类问题：采用分层或模块化思路，先讲核心组件（如规划器、执行器、验证器），再讲它们的数据流和控制流，并强调异常处理和人机协同点
- 稳定性问题：从任务状态管理、检查点保存、幂等设计、沙箱隔离、重试策略等角度展开，结合具体技术（如消息队列、容器）说明
- 质量控制问题：从多个层面回答，如提示工程优化、结合确定性规则/静态分析、构建测试用例自动验证、引入人工审核节点等
- 请描述一下你理想中的Code Agent架构，核心模块包括哪些？它们如何协作完成一个代码修改任务？
- 在设计一个需要修改大量代码的Agent任务时，如何保证其执行的稳定性和可恢复性？
- LLM在代码生成中存在幻觉和错误，你会如何在系统层面设计机制来检测和纠正这些问题？
- 如果让你为企业设计一个私有化部署的代码审查Agent，你需要考虑哪些关键的技术和非技术因素？
- 回顾并梳理你过去参与过的最复杂的软件系统项目，重点准备系统设计图、技术难点和优化结果
职位点评
薪资福利65
成长发展85
工作生活50
使命价值75
薪资福利
65中等
薪资信号为面议，但作为头部科技公司的核心AI岗位，预计具有市场竞争力。福利保障方面，仅提及年终奖，信息有限。
薪资信号面议 (30K-60K/月)
福利待遇年终奖
成长发展
85较高
该职位专注于前沿的AI Agent与软件工程结合领域，技术挑战高，能深度锻炼系统设计、AI应用工程和复杂问题解决能力，成长性强。
技术前沿前沿/新兴技术
技术栈LLM、Agent、Runtime、Planner、Sandbox、AST、LSP、CI/CD、Git
业务类型profit_center
工作生活
50较低
JD未明确提及工作模式、通勤安排或WLB相关信号，办公地点在一线或新一线城市核心区，具体工作生活平衡情况无法从信息中判断。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
75中等
该岗位致力于通过AI技术直接提升软件工程效率，具有明确的生产力提升价值，属于AI技术赋能实体产业的赛道，创新性强。
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