阿里巴巴
阿里国际站/Alibaba.com-AI应用开发工程师-AI Mode
阿里国际站/Alibaba.com-AI应用开发工程师-AI Mode
发布于 大约 3 小时前普通员工/个人贡献者
杭州市
中级经验
全职员工
仅现场办公
本科
机器学习工程
Autogen
Fine-Tuning
Llamaindex
Llm
Multi-Agent
Prompt Engineering
Rag
AI 估算 · 25k–45k
阿里大厂，AI方向热门，3年经验薪资有竞争力，杭州互联网薪资较高，一般16薪。
职位详情
关于这个职位
负责阿里国际站AI Mode业务，基于大模型构建智能Agent系统，包括多Agent协作、RAG检索增强、评测体系搭建等核心模块，将LLM技术转化为实际业务价值
你将深度参与AI应用的开发与调优，推动业务流程自动化，是AI落地业务的关键角色
最低要求
计算机相关专业本科及以上学历，3年以上后端开发或算法工程经验
熟练使用至少一种主流LLM应用框架（LangChain / LlamaIndex / AutoGen 等）
具备实际的大模型应用落地经验（RAG / Agent / Fine-tuning 至少精通一项）
具备扎实的工程能力，能独立完成从方案设计到上线运维的全链路交付
工作职责
Agent系统开发与编排
基于Accio Work / AI Mode框架，设计并开发具备自主决策能力的Multi-Agent协作系统
负责Agent核心链路建设，包括意图识别、任务规划（Planning）、工具调用（Function Calling / MCP）及多轮对话管理
将复杂业务问题拆解为L3-L4级可执行的Agentic Workflow
AI应用开发与效果调优
掌握RAG（检索增强生成）架构，构建面向业务场景的知识库与召回策略
通过Prompt Engineering、模型路由（大模型打标 + 小模型执行）等手段，持续优化模型表现
将AI幻觉率控制在业务可接受范围（≤5%），任务完成率提升至90%以上
评测体系建设与业务价值验证
搭建基于真实业务Query的Benchmark评测集，建立可量化的模型效果评估体系
主导AB实验设计，确保AI功能上线后核心业务指标实现置信增长（P < 0.05）
对负责场景的Token效能比负责，实现单位计算成本节降 ≥ 20%
业务流程自动化与决策提效
将负责业务域中50%以上的重复性决策交由Agent托管
利用AI解决数据归因与取数痛点，将决策支持响应时间从“天级”缩短为“分钟级”
沉淀可复用的Skill与工作流方法论，带动团队AI工具采纳率提升
优先资格
有跨境电商、B2B平台或供应链业务背景者优先
有Multi-Agent系统或Harness架构实战经验者优先
在国际站AI Mode或类似AI Native项目中主导过核心模块者优先
AI 洞察
优缺点分析
优点
- 技术前沿，直接接触大模型、Agent、RAG等热门技术，个人技术成长快
- 平台大，阿里国际站业务场景丰富，能积累跨境电商和AI落地的实际经验
- 薪资和福利有竞争力，阿里品牌背书，职业发展空间大
- 大厂工作节奏通常较快，可能需要应对高强度和跨团队协作
缺点 / 挑战
- 技术难度高，需要同时掌握工程和算法能力，持续学习压力大
- 业务指标要求明确，需对AI效果负责，面临业绩压力
- 适合对AI应用开发有浓厚兴趣，具备扎实工程基础，喜欢挑战并希望在大平台快速成长的技术人员
角色解读
- 成为AI Agent领域专家，主导核心系统架构设计，向技术专家或架构师方向发展
- 深入业务，从技术赋能者转型为业务决策者，参与产品方向规划
- 有机会接触阿里国际站海量业务场景，积累跨境电商和B2B领域经验，拓宽职业选择
- 设计并开发Multi-Agent协作系统，实现意图识别、任务规划、工具调用和多轮对话管理
- 构建RAG知识库和召回策略，通过Prompt Engineering和模型路由优化模型表现，控制幻觉率
- 搭建评测基准集和AB实验体系，验证AI功能对业务指标的影响，确保置信增长
- 推动业务流程自动化，将重复性决策交给Agent，提升决策响应效率
- 扎实的编程能力和后端开发经验，熟悉Python/Java等语言，能独立完成全链路交付
- 熟悉主流LLM应用框架（LangChain/LlamaIndex/AutoGen），掌握RAG/Agent/Fine-tuning至少一项
- 有AI应用落地经验，理解大模型推理、评估、调优方法论，具备工程化思维
- 良好的数据分析和实验设计能力，能设计AB实验并解读置信度
申请策略
- 深入了解阿里国际站AI Mode业务方向，针对性准备项目案例
- 在简历中强调技术结果和业务价值，体现能落地、可量化的能力
- 突出LLM应用项目经验，如RAG、Agent、Fine-tuning的实际案例，量化成果（如幻觉率降低、任务完成率提升）
- 展示工程能力，如系统设计、部署运维、性能优化，强调独立交付能力
- 如有跨境电商或B2B背景，务必突出，这是优先条件
- 列出掌握的框架和工具，如LangChain、AutoGen、MCP等
- 系统学习Agent架构设计，了解Multi-Agent协作模式和Harness机制，可动手实现小型Demo
- 熟悉RAG流程，掌握向量数据库、Embedding、召回排序等技术，实践知识库构建
面试指南
- 采用STAR法则，描述项目背景、任务、行动和结果，重点突出量化指标
- 从问题定义、技术选型、实现细节、调优过程、结果评估闭环来回答
- 结合业务场景，说明技术如何服务于业务目标，体现商业思维
- 请介绍你一个LLM应用项目，如何设计Agent链路？
- 在RAG系统中，如何解决检索准确率和幻觉问题？
- 如何评测一个AI Agent的效果？你会设计哪些指标？
- 你如何处理多Agent之间的任务协作和冲突？
- 如果要求将AI落地到业务，你会如何规划？
职位点评
75
综合评分
阿里国际站AI应用开发，技术前沿，薪资优厚，但工作强度未知，平台大。
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
适合追求技术成长、渴望接触AI前沿，能接受高强度工作节奏的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展85
工作生活55
使命价值70
薪资福利
80较高
该职位在阿里巴巴这样的大厂，薪资待遇通常具有市场竞争力，但JD未明确具体数字和福利，因此分数较高但留有空间。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
85较高
职位聚焦LLM/Agent前沿技术，技术挑战高，个人成长空间大，能够快速积累AI落地经验。
技术前沿前沿/新兴技术
技术栈LLM、Agent、RAG、LangChain、AutoGen、MCP
业务类型cost_center
工作生活
55较低
JD未提及WLB和弹性工作安排，阿里通常工作节奏较快，生活平衡一般。
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
70中等
AI应用能提升业务效率和决策，但以商业价值为核心，社会使命感不强，行业前景好。
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