阿里巴巴
阿里国际站-AI+工程师-AI Mode
阿里国际站-AI+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
Llm
Mcp
Multi-Agent
Prompt Engineering
Rag
AI 估算 · 25k–40k
AI大模型应用方向市场需求旺盛，阿里平台加成，杭州高科技岗位薪资较高，一般16薪。
职位详情
关于这个职位
作为阿里国际站AI+工程师，你将负责AI Mode核心业务的大模型应用落地，设计并开发Multi-Agent协作系统，优化RAG、Prompt等关键技术，并建立量化评测体系
该岗位要求扎实的工程能力和LLM实战经验，能独立完成从方案设计到上线运维的全链路交付，直接推动业务智能化升级
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
- 处于AI大模型应用前沿，技术栈新颖，能快速积累高价值技能
- 阿里国际站核心业务，资源充足，影响力大，有丰富的数据和场景支持实践
- 薪资优厚，阿里平台提供完善的福利和稳定的大厂背书
- 有机会参与从0到1构建Agent系统，成长空间大
- 需要同时兼顾算法和工程，对综合能力要求高，工作节奏可能较快
- AI技术迭代迅速，需要持续学习，保持竞争力
缺点 / 挑战
- 业务指标要求高（幻觉率≤5%、任务完成率90%以上），技术挑战大
- 适合对LLM和Agent技术充满热情、具备扎实工程基础、能在快节奏和多挑战环境中自我驱动的技术型人才
角色解读
- 从AI应用工程师向大模型架构师或Agent系统专家方向发展，深入掌握前沿技术
- 在阿里国际站核心AI业务中积累业务理解和价值验证经验，可转向AI产品经理或技术Leader岗位
- 随着AI Native应用普及，该领域人才稀缺，具备广阔的职业发展空间和跳槽溢价能力
- 设计并开发基于大模型的Multi-Agent协作系统，负责意图识别、任务规划、工具调用等核心链路
- 优化RAG架构与Prompt策略，将AI幻觉率控制在业务可接受范围，提升任务完成率
- 搭建评测体系，设计AB实验验证AI功能对核心业务指标的提升效果
- 推动业务流程自动化，将重复性决策交由Agent托管，提升决策效率
- 熟练掌握主流LLM应用框架（LangChain、LlamaIndex、AutoGen等），具备实际大模型落地经验
- 扎实的工程能力，能够独立完成从方案设计到上线运维的全链路交付
- 精通RAG、Agent、Fine-tuning至少一项，并具备Prompt Engineering和模型调优能力
- 了解跨境电商或B2B业务背景，有Multi-Agent系统实战经验者加分
申请策略
- 了解阿里国际站AI Mode的产品定位和最新动态，在面试中展现对业务的洞察
- 准备一个完整的技术分享，展示你在Agent或RAG方向的深度思考和实战成果
- 突出实际的大模型应用项目经验，尤其是RAG、Agent或Fine-tuning相关的落地案例
- 重点展示工程能力，如系统设计、性能优化、上线运维的全链路经验
- 如果有Multi-Agent系统或国际站相关经验，务必醒目标注
- 量化项目成果，如任务完成率提升、成本降低等数据
- 深入掌握LangChain、LlamaIndex等框架，并尝试复现一个Multi-Agent系统
- 系统学习RAG的检索与排序优化，了解大模型幻觉的解决方案
面试指南
- 回答技术项目时，采用STAR法则：情境-任务-行动-结果，突出个人贡献和量化成果
- 对于方法类问题，先阐述核心原理，再结合实际案例说明具体操作和权衡取舍
- 对于业务价值问题，强调通过数据指标和实验设计来验证，体现业务思维
- 请详细描述一个你主导的Agent或RAG项目，包括架构设计、难点和最终效果
- 如何控制大模型的幻觉率？有哪些具体的方法与实验？
- 如果你要设计一个Multi-Agent系统，你会如何规划任务分解和协作机制？
- 如何衡量一个AI功能对业务的实际价值？你会设计哪些指标和AB实验？
- 如何优化Token成本？在保证效果的前提下，有哪些降低计算成本的策略？
职位点评
73
综合评分
阿里国际站核心AI业务，前沿技术栈，薪资优厚，但工作生活平衡未知。
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，对工作强度有一定承受能力的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活50
使命价值70
薪资福利
75中等
阿里作为头部互联网公司，薪资水平具有竞争力，且提供完善的福利体系，但具体数额未披露。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
90较高
该职位处于AI大模型应用前沿，涉及Agent、RAG等新兴技术，能快速积累高价值技能，且是阿里国际站核心业务方向。
技术前沿前沿/新兴技术
技术栈LLM、Agent、RAG、LangChain、Multi-Agent、Prompt Engineering、Function Calling、MCP
业务类型profit_center
工作生活
50较低
JD未提及工作生活平衡与弹性办公，根据行业惯例可能有一定加班压力，杭州通勤便利性一般。
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
70中等
该职位助力跨境电商智能化，通过AI提升效率，具有行业创新意义，但社会直接影响力有限。
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