阿里巴巴
数据技术及产品部-数据研发工程师-数据资产 / LLM Agent 方向
数据技术及产品部-数据研发工程师-数据资产 / LLM Agent 方向
发布于 大约 9 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
硕士
数据工程
Etl
Llm Agent
Odps
Prompt Engineering
Rag
Sql
深度学习
知识图谱
AI 估算 · 30k–50k
职位详情
关于这个职位
该职位负责阿里巴巴数据技术及产品部的数据资产体系建设，聚焦域外数据、位置数据、企业数据的智能化升级，并参与LLM Agent架构从0到1的建设，涉及多模态数据处理与知识图谱构建
你将推动传统数据供应向智能能力输出转型，支撑电商和AI核心业务
适合具备扎实数据工程基础并对大模型应用有浓厚兴趣的候选人
最低要求
学历与专业：硕士及以上学历，计算机、人工智能、软件工程、数据科学、统计学等相关专业
核心技能：熟练掌握 Python、SQL，熟悉至少一种深度学习框架
熟悉数据建模、ETL 流水线开发，有大规模数据处理与数据治理经验
熟悉 ODPS/Hive 等大数据计算工具，有实时链路建设经验
了解 LLM Agent 设计、Prompt 工程、RAG、MCP、Function Calling 等大模型应用范式
工程与软性素质：能独立完成从数据建模、算法开发到线上服务的全流程
具备平台化思维，能将数据与算法能力抽象为标准化组件
良好的业务抽象与问题拆解能力，较强自驱力、责任心和沟通协作能力
工作职责
数据资产体系建设：负责域外数据、位置数据、企业数据三大场景的智能化升级，设计并实现从数据采集、治理到服务化的完整链路，推动团队从传统'数据供应'模式向'智能能力输出'转型，直接支撑经营控比、采购数据验收、AI-Native 产品等核心业务场景
AI-Native 架构从 0 到 1 建设：参与大模型与数据研发融合的架构设计，负责 LLM Agent 任务编排、多轮上下文管理、Human-in-the-Loop 决策机制的实现与优化，建立 Prompt 工程规范、Agent Eval 体系及 badcase 自动化排查与自愈闭环，确保技术成果在电商/AI 核心业务中快速落地
多模态数据与知识体系建设：负责文本/音频/图像/视频等多模态数据的检测、异常识别与相似度计算，设计数据质检与验收标准
同时主导知识抽取与本体建模工作，包括命名实体识别、关系抽取、实体对齐等技术落地，构建 Schema 设计与图数据库应用，打造语义资产体系
优先资格
加分项：电商/内容/战略分析领域业务经验
数据采购验收或大模型训练数据质检经验
顶会论文或生产级 Agent 系统/数据服务平台上线经验
AI 洞察
优缺点分析
优点
- 涉及LLM Agent等前沿技术，紧跟AI发展趋势，技能积累价值高
- 薪资福利优厚，职业发展路径清晰
- 工作强度大，可能需要应对快速迭代和高压环境
- 技术要求全面，需不断学习新知识，保持技术领先
缺点 / 挑战
- 阿里巴巴平台大，数据资源丰富，技术挑战高，有利于个人成长
- 跨部门协作多，沟通成本较高
- 适合具备扎实数据工程基础，对大模型应用有热情，能承受一定工作压力，追求技术深度和职业发展的求职者
角色解读
- 可向数据架构师或AI技术专家方向发展，深入大模型与数据融合领域
- 有机会晋升为技术团队负责人，带领团队建设数据智能平台
- 在阿里平台积累经验后，可向行业领先的AI公司或创业公司发展
- 负责数据资产体系建设，包括数据采集、治理、服务化全链路，支撑核心业务场景
- 参与LLM Agent架构设计，实现任务编排、上下文管理、Human-in-the-Loop机制，推动AI-Native产品落地
- 处理多模态数据，构建知识图谱，包括实体识别、关系抽取等，打造语义资产体系
- 精通Python、SQL，熟悉深度学习框架，具备大规模数据处理经验
- 熟悉ODPS/Hive等大数据工具，有实时链路建设经验
- 了解LLM Agent、Prompt工程、RAG等大模型应用技术
- 具备平台化思维和良好的业务抽象能力
申请策略
- 了解阿里巴巴数据技术及产品部的业务方向，准备相关案例
- 强调对AI-Native架构的兴趣和见解，展示创新思维
- 突出数据治理、ETL、大数据处理项目经验，展示技术深度
- 强调LLM Agent、Prompt工程等大模型相关实践，体现前沿技术能力
- 展示独立完成全流程项目的案例，体现工程能力和业务理解
- 深入学习LLM Agent框架，如LangChain、AutoGen，并实践Prompt优化
- 熟悉知识图谱构建工具，如Neo4j，掌握实体识别和关系抽取技术
- 了解阿里云大数据产品，如MaxCompute、DataWorks，提升平台使用能力
面试指南
- 使用STAR法则回答项目经验，突出个人贡献和结果
- 对于技术设计问题，先阐述整体思路，再细化关键模块，体现逻辑性
- 结合具体案例说明对概念的理解，展示应用能力
- 请描述一个你主导的数据治理项目，如何设计数据链路？
- 如何设计一个LLM Agent来处理多轮对话？
- 你对RAG和Fine-tuning有什么理解？在什么场景下选择？
- 如何评估一个数据质量体系的有效性？
- 请谈谈你对数据资产化的理解
职位点评
80
综合评分
阿里数据研发岗，前沿技术栈，发展空间大，但工作强度可能较高。
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
适合追求技术前沿、渴望快速成长、能接受高强度工作的求职者。
表现最好
成长发展
相对薄弱
工作生活
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
阿里巴巴提供具有竞争力的薪资和福利，但具体薪资未在JD中披露，整体补偿性较好。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
95较高
该职位涉及LLM Agent、多模态数据等前沿技术，提供丰富的学习和成长机会，发展性极强。
技术前沿前沿/新兴技术
技术栈LLM Agent、Prompt Engineering、RAG、MCP、Function Calling、知识图谱
业务类型profit_center
工作生活
50较低
工作地点在杭州，但JD未提及弹性工作或远程，可能需现场办公，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
加班情况未提及（无法判断）
使命价值
80较高
阿里巴巴作为行业巨头，业务影响力大，数据智能化升级对电商和AI发展有积极意义，意义感较强。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs