阿里巴巴的阿里云智能-Agent应用高级研发专家-北京/杭州薪资是多少？

该职位薪资范围为 6.0–12.0万/月。

阿里云智能-Agent应用高级研发专家-北京/杭州的工作地点在哪里？

该职位工作地点位于杭州市、北京市。工作形式为仅现场办公。

阿里巴巴的阿里云智能-Agent应用高级研发专家-北京/杭州有什么任职要求？

该职位要求本科学历及高级经验工作经验。

阿里巴巴

阿里云智能-Agent应用高级研发专家-北京/杭州

立即应聘

阿里云智能-Agent应用高级研发专家-北京/杭州

发布于 2 小时前

普通员工/个人贡献者

AI 估算 · 6.0–12.0万 · AI 参考估算

杭州市 / 北京市

高级经验

本科

全职员工仅现场办公AI算法

AI算法

Agent架构

Llm应用

Mcp

Observability

System Design

值不值得投

80综合评分

综合评分 80

阿里核心AI前沿技术岗，高薪高成长，但工作强度大，适合技术极客。

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。

薪资怎么样

9.0万

比AI算法中位数高

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 4680 个在招 · 其中AI算法 44 个

市场机会

选择适中

杭州 · AI算法 · 43 个在招

职位详情

关于这个职位

作为阿里云智能体应用的高级研发专家，你将负责定义端到端的Agent系统架构，主导从原型到大规模生产环境落地的全流程

你需要解决智能体的执行闭环、工具调用及多智能体协作等核心技术难题，并构建高可用、安全且可观测的系统体系，推动AI Agent技术的商业化与规模化应用

最低要求

年以上研发经验，有长期生产级系统的研发与交付经历

计算机相关专业本科及以上，具有一定的技术视野及深度

系统架构：有从全局架构复杂系统、并拆解为清晰模块化服务的成功经验，计算机与系统设计基础扎实

从0到1落地：至少主导过一个智能体/大模型应用从原型到可靠上线的完整过程，能讲清所解决的稳定性、延迟或成本问题

非功能深度：在性能、效率/成本、稳定性与安全上有扎实积累，能独立对各项指标负责并做出合理取舍

评测与可观测：能为非确定性系统设计评测与可观测体系，而不仅是交付功能

全栈广度：能在后端、基础设施/服务与产品层之间自如切换

精通Python/Go/Rust/C++/TypeScript中至少一门

owner意识与结果导向：有在小规模、高速团队中端到端owner模糊、从0到1问题的经历

结果导向，拥抱变化

对智能体原生工作方式的信念：相信未来工作方式将走向智能体原生（agent-native），并愿意通过创新的产品设计推动这一愿景落地、创造真实价值

工作职责

系统架构：从全局视角定义智能体应用的端到端架构，拆解为职责清晰、接口规范的模块化服务

端到端责任制：以owner身份负责产品切片，覆盖问题定义、设计、开发、上线与迭代全流程，对最终结果负责

智能体核心：设计智能体的执行闭环、编排、工具调用（Function Calling/MCP）、记忆与多智能体协作，推动Agent从原型走向大规模、可靠的生产运行

非功能设计：将高性能、高可用、稳定性、效率（延迟与token/算力成本）与安全作为首要设计目标，设定并守住各项预算指标

评测与可观测：建设评测、链路追踪与指标体系，使智能体的效果、成本与稳定性可度量、可持续优化

安全与防护：设计工具权限边界、沙箱隔离与数据访问控制，以及针对提示注入（prompt injection）与危险动作的防护

技术方向：定义所负责切片的技术方向，通过设计评审提升质量标准，并以技术传帮带放大团队产出

优先资格

● 大规模分布式系统、沙箱隔离或智能体编排经验

● 面向自主/智能体系统的安全经验

● 开源贡献或有影响力的个人Agent作品

AI 洞察

优缺点分析

优点

技术迭代极快，需持续学习新框架
对系统稳定性、成本和安全的极致要求带来高压
需具备极强的Owner意识和跨团队协作能力

缺点 / 挑战

处于AI Agent技术最前沿，接触大规模分布式系统和最新LLM技术应用，平台资源强大，技术挑战性与成就感高
适合拥有深厚后端/架构功底，对AI Agent充满热情，追求技术极致且能承受高强度挑战的资深工程师

角色解读

可向首席架构师、技术总监方向发展，或在AI Agent垂直领域成为行业顶尖专家，引领技术标准化
负责设计并实现大规模智能体（Agent）应用的端到端系统架构，确保其模块化、高可用性和安全性
精通至少一门主流编程语言（Python/Go/Rust等），具备深厚的分布式系统架构设计能力，熟悉LLM应用开发及Agent编排逻辑

申请策略

准备详细的项目案例，清晰阐述如何解决Agent应用中的稳定性、延迟和成本痛点，体现技术深度与业务价值的结合
突出展示从0到1落地复杂系统的经验，重点描述在性能优化、成本控制、安全防护方面的具体成果和数据
深入理解Agent编排原理（如ReAct, Plan-and-Execute），熟悉MCP协议，强化非确定性系统的评测与可观测性设计能力

面试指南

使用STAR法则（情境、任务、行动、结果）回答，重点突出技术选型的权衡过程、遇到的关键瓶颈及解决方案、以及最终量化的业务/技术指标改善
请分享一个你主导的从0到1的Agent或大模型应用项目，你是如何保证其在生产环境的稳定性和成本的？
在设计多智能体协作系统时，如何处理状态同步、通信开销及潜在的死锁问题？
如何构建针对LLM应用的评测体系？如何平衡评估的全面性与计算成本？
面对Prompt Injection等安全风险，你在系统架构层面有哪些具体的防御设计？
复习分布式系统核心概念（一致性、容错、扩展性），深入研究当前主流的Agent框架（如LangChain, AutoGen, CrewAI等）及其局限性，准备关于LLM安全攻防的案例