阿里巴巴
业务技术-AI Agent 开发工程师-商品&库存
业务技术-AI Agent 开发工程师-商品&库存
发布于 5 小时前普通员工/个人贡献者
全职员工仅现场办公后端开发
后端开发
Graphrag
Multi-Agent
Rag
分布式系统
值不值得投
75综合评分
综合评分 75
核心业务线AI Agent开发岗，技术栈前沿、成长空间大，薪资竞争力强，WLB情况未明。
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
4.5万
比后端开发中位数高
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 2990 个在招 · 其中后端开发 79 个
市场机会
选择面较广
杭州 · 后端开发 · 约 170 个在招
职位详情
关于这个职位
该职位负责淘天集团商品与库存域的AI Agent开发与架构迭代，通过构建智能业务Agent赋能商家经营，并优化多供给、近场闪购等核心交易链路
你需要结合大模型技术与分布式系统，主导端到端的技术交付，推动电商供给体系的智能化升级
最低要求
精通 Java/Go/Python 至少一门，具备核心链路的高并发处理能力及AI生态下的双语/多语言架构设计经验
熟悉分布式系统设计，在 MySQL/Redis/Tair等存储与缓存调优方面有实战深钻经验
熟练掌握 LangChain / LlamaIndex / AutoGen / Spring AI 等，具备源码级理解或二次开发经验
精通 RAG 全流程（Embedding、Rerank、混合检索），熟悉 Function Calling 协议及大规模 API 编排
深刻理解电商商品模型（SPU/SKU/Category），商品在搜索，导购和交易核心业务链路流转逻辑
具备极强的责任心，能独立负责复杂业务逻辑的方案设计及跨团队沟通协同
工作职责
赋能商家经营： 依托海量商品数据与平台标准化沉淀，构建智能业务Agent，实现商家端AI能力建设、智能补齐与经营辅助，显著提升商家经营效率与产品体验
库存架构迭代： 增对商品供给的多样性和复杂性，解决和建设商品多供给，托管，近场闪购等交易核心链路能力并保障稳定性，通过AI赋能提升研发效率
驱动技术革新： 持续关注行业前沿趋势（如Agentic Workflow、skill、LLM迭代），引入创新方案进行系统重构与智能化升级，通过性能优化与架构演进，持续保持产品竞争力
主导端到端交付： 协同产品、业务及行业运营，主导从需求洞察、技术架构设计到高质量交付的全链路实现，推动技术与业务的深度融合与价值闭环
优先资格
有 GraphRAG 实战经验
进阶加分项：有 Multi-Agent（多智能体）博弈或协作系统落地经验，熟悉 MCP (Model Context Protocol) 标准或有 通义千问 (Qwen) 深度应用经验
AI 洞察
优缺点分析
优点
- 处于AI Agent与电商业务结合的最前沿，能积累大模型工程化落地的稀缺经验
- 依托丰富的平台资源，能够主导端到端的大型系统重构与智能化升级
- 跨团队协同要求高，需要与产品、业务及行业运营紧密配合，沟通成本较大
- 适合具备扎实后端架构能力、对大模型技术有深入研究，且渴望在复杂电商业务场景中实现AI落地的资深技术人才
缺点 / 挑战
- 接触电商最核心的商品与库存域，业务场景复杂且数据海量，极具技术挑战与成长空间
- 业务逻辑极其复杂，需要深刻理解电商商品模型及交易链路，学习成本较高
- 大模型技术在核心交易链路的落地仍处于探索期，面临稳定性、性能与效果的多重挑战
角色解读
- 从AI Agent开发工程师向技术专家或架构师方向发展，深耕大模型在电商核心链路的落地
- 积累丰富的业务与技术融合经验后，可转型为业务技术负责人或技术总监
- 负责淘天集团商品与库存域的AI Agent开发与架构设计，构建智能业务Agent赋能商家经营
- 优化多供给、近场闪购等核心交易链路，保障系统高并发与稳定性
- 引入RAG、Multi-Agent等前沿大模型技术，推动电商供给体系的智能化升级与端到端交付
- 精通Java/Go/Python及分布式系统设计，具备高并发处理与存储调优经验
- 熟练掌握LangChain等AI框架，精通RAG全流程及Function Calling协议
- 深刻理解电商商品模型及搜索、导购、交易等核心业务链路流转逻辑
申请策略
- 提前了解淘天集团近期的业务战略及商品域的智能化方向，准备针对性的技术落地方案
- 在面试中展现极强的责任心与跨团队沟通能力，证明能够主导复杂业务逻辑的端到端交付
- 突出在分布式系统、高并发处理及存储调优方面的实战经验，展示解决复杂技术难题的能力
- 详细列举RAG、LangChain、Multi-Agent等大模型技术的落地项目，强调源码级理解或二次开发经验
- 展示对电商业务（尤其是商品模型、库存流转）的深刻理解，体现技术与业务深度融合的能力
- 深入学习GraphRAG、MCP协议及Multi-Agent协作系统，提升在复杂Agent场景下的架构设计能力
- 熟悉主流大模型的底层原理与深度应用，掌握Function Calling与大规模API编排技巧
面试指南
- STAR法则：针对项目经验，清晰阐述背景、任务、行动和结果，突出个人贡献与技术深度
- 架构设计思路：从业务痛点出发，分层阐述数据层、模型层、Agent编排层及应用层的设计，强调高可用与扩展性
- 业务理解：结合电商实际场景（如库存扣减、商品发布），说明技术选型如何直接驱动业务价值闭环
- 请详细描述你主导过的一个RAG或Multi-Agent项目，遇到了哪些技术难点，是如何解决的？
- 在电商商品模型（SPU/SKU）中，如何利用AI Agent提升商家经营效率？请给出具体的架构设计
- 面对高并发场景，如何保障大模型API调用及Agent执行链路的稳定性与低延迟？
- 请谈谈你对GraphRAG和传统RAG的理解，以及在电商搜索或导购场景中的应用差异
- 复习分布式系统核心原理及MySQL/Redis调优技巧，准备高并发场景下的系统设计面试题
职位点评
薪资福利85
成长发展90
工作生活40
使命价值75
薪资福利
85较高
作为核心业务线的AI工程岗，薪资水平处于市场高位，整体薪酬福利具备较强竞争力。
薪资信号未披露（AI估算：3千–6万/月）
成长发展
90较高
岗位涉及大模型前沿技术与电商核心业务的深度融合，技术栈极具前瞻性，能提供极高的技术成长与业务视野拓展空间。
技术前沿前沿/新兴技术
技术栈Java、Go、Python、LangChain、LlamaIndex、AutoGen、Spring AI、RAG、GraphRAG、Function Calling、Multi-Agent、MCP、通义千问
业务类型profit_center
工作生活
40较低
JD未明确提及工作模式与WLB相关信息，无法准确判断工作强度与通勤情况。
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
75中等
岗位致力于通过AI技术赋能商家经营与电商供给体系升级，具有较高的业务价值与行业影响力。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs