阿里巴巴
业务技术-AI应用研发工程师-内容消费
业务技术-AI应用研发工程师-内容消费
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人工智能
人工智能
Ai Agent
Go
Langgraph
Prompt Engineering
Rag
分布式系统
值不值得投
77综合评分
综合评分 77
前沿AI Agent研发岗，技术成长空间大、业务场景丰富，但工作节奏可能较快。
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
2.8万
比人工智能中位数高
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 2960 个在招 · 其中人工智能 约 330 个
市场机会
选择面较广
杭州 · 人工智能 · 约 400 个在招
职位详情
关于这个职位
该职位负责AI Agent核心链路的研发与优化，推动大模型能力在真实业务场景中的落地
你需要参与Agent架构设计、业务核心能力交付、评测体系搭建以及性能与成本优化，将前沿AI技术转化为实际业务价值
最低要求
计算机相关专业本科及以上学历，1年以上后端 / 算法工程 / AI 应用研发经验，熟练掌握 Python，熟悉至少一门工程语言（Java/Go/TypeScript）
深入理解大模型基本原理与工程化实践，熟悉 Prompt Engineering、RAG、Function Calling、Agent 编排范式，有基于 LangGraph、LlamaIndex、AutoGen、Dify、AgentScope等框架的实战经验者优先
具备扎实的系统设计能力，熟悉高并发、分布式、可观测性体系，能独立完成从 0 到 1 的服务搭建与线上稳定性保障
至少有一段将 AI Agent / LLM 应用推上 C 端或 B 端真实业务、并对核心指标负责的端到端落地经验
具有持续学习意愿，业务结果导向，能在快速变化的技术环境中保持判断力
工作职责
Agent 架构设计：参与 Agent 系统核心模块的设计与落地，覆盖任务规划、推理执行、上下文增强、记忆管理、工具编排以及运行时稳定性保障
在多 Agent 协作、子任务分发、异常自愈等关键问题上提出可落地的工程方案
业务核心能力落地：深度对接业务场景，将通用 Agent 框架沉淀为面向业务的可复用能力组件
负责从需求拆解、Prompt/工作流设计、工具与数据接入、灰度上线到效果回流的全链路交付，确保 Agent 在真实流量下满足业务的准确率、时延与成本指标
Agent 评测与持续调优迭代：搭建覆盖离线评测集 + 在线 A/B + 用户反馈回流的 Agent 评测体系，建立 Bad Case 归因与回归机制，持续驱动 Prompt、模型、工具与编排策略的迭代，让 Agent 能力以可度量的方式稳步提升
性能与成本优化：针对推理时延、Token 消耗、调用链路长度等关键瓶颈进行系统性优化，在保证效果的前提下显著降低单次任务成本与时延，建立成本可观测与预算治理机制
跟踪大模型与 AI Agent 前沿技术：持续跟踪 LLM、多模态模型、Agent 框架、强化学习与后训练、Agentic RAG、MCP 生态等方向的前沿进展，将有价值的技术快速完成内部预研、原型验证与生产化引入
优先资格
有多 Agent 系统、Agentic Workflow、Agent 评测平台、模型微调或后训练经验
在 AI Agent / LLM 方向有开源项目、技术博客、专利或顶会论文产出
有内容、社区、用户增长、商业化等 C 端业务场景的 AI 落地经验
AI 洞察
优缺点分析
优点
- 处于AI Agent与大模型落地的最前沿，能接触到顶尖的算力资源与模型矩阵
- 依托庞大的真实业务场景与流量，技术成果能迅速得到验证与迭代
- 团队技术氛围开放，提供完善的工程研发环境，有利于个人技术深度的积累
- 大模型与Agent技术迭代极快，需要持续保持高强度的学习与跟进
- 适合对大模型和AI Agent充满热情，具备扎实后端工程能力，且渴望在真实业务中验证技术的开发者
缺点 / 挑战
- 在真实高并发业务场景下，平衡Agent的准确率、时延与成本具有较高的工程挑战
角色解读
- 纵向可发展为AI应用架构师或大模型工程专家，主导更复杂的Agent系统设计
- 横向可向AI产品经理或业务技术负责人转型，深入理解业务并驱动AI商业化落地
- 负责AI Agent系统的核心架构设计与模块开发，包括任务规划、记忆管理、工具编排等
- 将大模型能力与真实业务场景结合，完成从需求拆解到灰度上线的全链路交付
- 搭建Agent评测体系，进行性能与成本优化，并跟踪前沿AI技术进行预研与落地
- 熟练掌握Python及至少一门工程语言（Java/Go/TS），具备扎实的后端与分布式系统设计能力
- 深入理解大模型原理，熟悉Prompt Engineering、RAG、Function Calling及主流Agent框架
- 具备将AI/LLM应用落地到真实C端或B端业务的端到端工程经验
申请策略
- 了解淘天集团在内容消费、电商等场景下的AI应用现状，准备针对性的业务思考
- 重点突出将AI Agent或LLM应用落地到真实业务的端到端项目经验及核心指标提升
- 展示在Prompt Engineering、RAG、Agent编排等方面的具体实践与使用的框架
- 强调高并发、分布式系统设计能力以及线上稳定性保障的实际案例
- 深入学习主流Agent框架（如LangGraph、AutoGen）及多Agent协作机制
- 补充大模型评测体系搭建、成本优化及Bad Case归因分析的相关知识与实践
面试指南
- 采用STAR法则，重点突出业务背景、技术方案选型、工程实现细节以及最终的业务收益（如准确率、时延、成本指标）
- 在回答架构设计问题时，先阐述整体设计思路，再深入关键模块（如记忆管理、工具编排）的实现细节与权衡
- 请详细描述一个你主导的AI Agent/LLM落地项目，遇到了哪些工程挑战，如何解决的？
- 在多Agent协作或复杂任务规划中，如何保证系统的稳定性和异常自愈能力？
- 针对Agent的推理时延和Token消耗，你有哪些系统性的优化经验？
- 如何搭建一套有效的Agent评测体系，以度量并持续提升模型效果？
- 复习大模型工程化实践的核心概念，准备1-2个自己深度参与的Agent项目案例
- 了解当前Agent领域的前沿进展（如Agentic RAG、MCP生态），并思考其在内容消费场景的应用
职位点评
薪资福利80
成长发展90
工作生活50
使命价值85
薪资福利
80较高
作为核心业务研发岗，薪资与福利具备市场竞争力，但具体薪酬需根据面试定级确定。
薪资信号未披露（AI估算：2千–3.5万/月）
成长发展
90较高
岗位处于AI Agent前沿领域，提供顶级算力与模型资源，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈AI Agent、LLM、Prompt Engineering、RAG、Function Calling、LangGraph、LlamaIndex、AutoGen、Dify、AgentScope、Agentic RAG、MCP
成长机会参与前沿 AI 技术落地的机会、与顶尖算法和工程团队共事、顶级的工程研发环境
业务类型profit_center
工作生活
50较低
JD未明确提及工作模式与WLB相关信息，但核心业务研发岗通常工作节奏较快。
工作模式未明确
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
85较高
推动大模型能力在真实业务场景落地，属于AI技术变革的核心推动者，行业前景广阔。
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