阿里巴巴
全球速卖通-高级AI应用研发工程师（AI工具）-杭州
全球速卖通-高级AI应用研发工程师（AI工具）-杭州
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Ai工具开发
Ai评测
Llm
Mcp
Prompt工程
系统设计
值不值得投
73综合评分
综合评分 73
前沿AI技术栈、大平台机会，但工作模式和WLB待确认。
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
35K
比人工智能中位数低
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 2250 个在招 · 其中人工智能 约 160 个
市场机会
选择面较广
杭州 · 人工智能 · 约 190 个在招
职位详情
关于这个职位
该职位负责从电商全链路业务视角出发，设计和开发可复用的工程基础设施与自动化能力，以提升研发效率和工程可信度
深入应用LLM、Agent、Prompt工程等AI技术，主导其在研发场景的架构落地，并推动AI工具在团队与业务中的规模化应用
最低要求
本科及以上学历，计算机科学、软件工程、人工智能或相关专业
年以上研发经验，有 1 年以上AI研发效能工具开发经验，包括但不限于Skill、MCP Server、CLI、自动化工具链等
具备电商类业务背景，理解电商平台核心链路（商品、交易、用户、营销等），能快速融入业务场景，具备从业务视角发现问题和设计质量工具策略的能力
熟练掌握 AI Coding 工具（Cursor / Claude Code / Qoder 等）并在实际项目中持续深度应用，具备在 AI 辅助下进行全栈开发与交付的实战能力
对 AI 在研发流程中的能力边界有清晰认知——清楚 AI 在哪些场景可以信任、哪些必须人工审查、如何设计交付验收流程
掌握 LLM 核心原理及工程化实践方法，熟悉 Agent 框架设计逻辑，在 Prompt 工程 / 上下文工程 / MCP 等应用层具备技术落地能力
精通 Python / Java / TypeScript 中至少一种编程语言，具备良好的工程素养和系统设计能力，有AI系统评测经验——Eval数据集构建、LLM评估框架设计、效果度量与迭代优化经验者更佳
自驱力强，持续追踪 AI 工程化前沿动态，有主动发现问题并转化为工具的习惯
具备跨团队协作意识和良好的沟通能力，能在快速变化的环境中高效推进工具能力的落地
工作职责
从电商全链路业务视角出发，抽象研发效率与工程可信度的共性问题，设计可复用、可扩展的工程基础设施与自动化能力体系，沉淀为组织级的技术资产
深入 LLM / Agent / Prompt 工程 / 上下文工程 / MCP 等应用层技术，主导其在研发场景的工程化架构落地，设计 AI 辅助下的研发链路与可信交付机制（含验收与质量保障作为架构约束内建）
跟踪 AI 工程化前沿动态，牵引关键技术选型与架构演进，推动新范式、工具在团队与业务侧的规模化落地
优先资格
有AI系统评测经验——Eval数据集构建、LLM评估框架设计、效果度量与迭代优化经验者更佳
AI 洞察
优缺点分析
优点
- 涉及LLM、Agent等前沿AI技术，技能积累价值高
- 在阿里巴巴大平台工作，业务影响范围广，技术资源丰富
- 聚焦研发效能工具，有组织级技术资产沉淀的机会
- AI技术快速迭代，需要持续学习并保持技术敏感度
- 跨团队协作复杂，需在快速变化环境中推进工具落地
- 电商全链路业务理解要求高，需快速融入业务场景
- 适合有2年以上AI研发经验、自驱力强、对电商技术和前沿AI应用感兴趣的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向AI架构师或技术专家方向发展，专注于前沿技术深度应用
- 可转向技术管理，负责团队工具能力建设和跨团队协作
- 在电商AI领域积累经验，可能拓展到更广泛的业务智能化岗位
- 设计可复用的工程基础设施和自动化能力体系，提升研发效率和工程可信度
- 主导LLM、Agent等AI技术在研发场景的架构落地，确保AI辅助交付的质量
- 跟踪AI前沿动态，推动新工具和范式在业务中规模化应用
- 掌握LLM原理和Agent框架设计，具备Prompt工程、上下文工程和MCP的技术落地能力
- 精通Python、Java或TypeScript至少一种语言，有良好的系统设计和工程素养
- 熟悉AI Coding工具（如Cursor），有AI系统评测经验（如Eval数据集构建）
申请策略
- 研究阿里巴巴的技术文化和业务方向，特别是全球速卖通的AI应用
- 准备跨团队协作和工具落地的实际案例，体现沟通能力和问题解决能力
- 突出AI工具开发经验，如MCP Server、自动化工具链等项目成果
- 强调电商背景或对电商平台核心链路的理解
- 展示系统设计和AI系统评测（如Eval框架）的相关经历
- 深入学习LLM和Agent框架的工程化实践，如Prompt优化和上下文管理
- 加强AI Coding工具（如Cursor）的实际应用，准备全栈开发案例
- 补充AI系统评测知识，如构建Eval数据集和效果度量方法
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化回答，结合具体项目经验
- 强调业务视角和技术落地的平衡，展示从问题发现到工具实现的完整过程
- 突出对AI能力边界的认知，如何设计人工审查和质量保障机制
- 如何设计一个可复用的AI辅助研发工具？请描述架构和关键组件
- 在AI交付流程中，如何确保质量和可信度？请举例说明验收机制
- 你如何跟踪AI前沿动态并应用到实际项目中？
- 准备1-2个AI工具开发的项目案例，详细说明技术选型、架构设计和效果评估
- 复习LLM、Agent和MCP的相关原理，思考在电商研发场景的应用
职位点评
薪资福利70
成长发展85
工作生活60
使命价值75
薪资福利
70中等
JD未明确薪资和福利信息，但公司为知名上市公司，市场竞争力较强。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
85较高
职位涉及LLM、Agent等前沿AI技术，有利于技能提升，但JD未明确晋升路径。
技术前沿前沿/新兴技术
技术栈LLM、Agent、MCP、Prompt工程、上下文工程
业务类型ambiguous
工作生活
60中等
JD未提供工作模式和WLB信息，办公灵活性需进一步确认。
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
AI技术应用在电商领域，有行业影响力，但社会直接贡献有限。
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