阿里巴巴
千问事业部-Agent应用研发专家-个性化推荐
千问事业部-Agent应用研发专家-个性化推荐
发布于 4 小时前普通员工/个人贡献者
全职员工仅现场办公推荐系统
推荐系统
Llm
分布式系统
大模型应用
推荐系统
架构设计
值不值得投
77综合评分
综合评分 77
核心AI业务线专家岗，大模型与Agent前沿技术栈，薪资极具竞争力，技术成长空间大，但工作强度较高。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
5.5万
比推荐系统中位数高
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 3390 个在招 · 其中推荐系统 27 个
市场机会
选择面较广
北京 · 推荐系统 · 64 个在招
职位详情
关于这个职位
该职位隶属于阿里千问事业部，主要负责AI推荐工程全链路建设，推动大模型与传统推荐架构融合，构建智能体（Agent）以提供个性化推荐等智能化服务
你需要负责Agent核心架构的设计、开发与优化，并协同多团队完成项目的高质量交付
最低要求
计算机、人工智能相关专业本科及以上学历
精通C++/Python/Java中至少一门语言
具备扎实的计算机基础，熟悉数据结构、算法、多线程、网络编程
熟悉AI大模型应用开发技术栈，熟悉主流Agent框架或开源Agent项目，有实际Agent项目开发落地经验
具备良好的业务理解能力与沟通协作能力，能将业务需求转化为技术方案，主动推动问题解决，对Agent技术有热情，具备持续学习与创新能力
工作职责
深度参与AI推荐工程全链路建设，推动大模型（LLM）与传统推荐架构的深度融合，构建具备推理、规划与执行闭环的智能体（agent），提供实时用户数据处理、用户记忆查询、圈人、主动匹配策略等特定场景的智能化服务能力
负责agent核心架构的设计、开发与持续优化，构建高可用、可扩展的agent运行框架，完成在千问相关业务场景的落地
抽象并持续优化agent关键能力模块，包括意图理解、任务规划、工具调用、记忆管理、多轮对话等核心功能，提升agent的自主决策与执行能力
跟踪agent领域前沿技术与开源框架，推动技术选型与架构升级，沉淀agent开发规范、工具链与优秀实践，提升团队研发效率
协同算法、产品、测试等团队，参与agent全生命周期管理，包括需求评审、方案设计、代码开发、测试验证与上线运维，保障项目高质量交付
优先资格
有搜索、推荐、广告等大规模分布式系统，高并发、高可用系统开发经验优先
AI 洞察
优缺点分析
优点
- 处于大模型与Agent技术爆发的核心赛道，能接触到最前沿的AI应用落地场景
- 依托核心AI业务线，拥有海量数据与丰富的业务场景支撑，技术成长空间巨大
- 适合对大模型和Agent技术有极高热情，具备扎实工程能力且渴望在AI核心业务场景中大展拳脚的高级技术人才
缺点 / 挑战
- 大模型与推荐系统的深度融合属于前沿探索，技术挑战大，可能面临较多未知问题与架构重构压力
- 业务对实时性和高可用要求极高，需要应对高并发场景下的系统稳定性挑战
角色解读
- 可向AI架构师或大模型应用专家方向发展，深入探索Agent在推荐、搜索等核心业务场景的落地
- 未来有机会带领技术团队，成为AI应用领域的技术领军人物
- 负责大模型与传统推荐架构的融合，构建智能体（Agent）以提供个性化推荐等智能化服务
- 设计并优化Agent核心架构及关键能力模块（如意图理解、任务规划、记忆管理等）
- 协同多团队完成Agent全生命周期管理，保障项目高质量交付
- 精通C++/Python/Java至少一门，具备扎实的计算机基础与分布式系统开发经验
- 熟悉AI大模型应用开发技术栈及主流Agent框架，有实际Agent项目落地经验
- 具备良好的业务理解与跨团队沟通协作能力
申请策略
- 了解通义千问的最新进展及其在电商、搜索等场景的应用，思考Agent如何赋能个性化推荐，在面试中展现对业务的深度思考
- 重点突出在大模型应用开发、Agent框架使用及实际项目落地方面的经验
- 详细展示在搜索、推荐或广告等大规模分布式系统、高并发系统开发中的核心贡献与性能优化成果
- 深入学习主流Agent开源框架及大模型微调、RAG技术
- 提升对推荐系统底层逻辑及大模型推理加速、部署优化的理解
面试指南
- 采用STAR法则（情境、任务、行动、结果）描述项目经验，重点突出技术选型的思考过程、架构设计的权衡以及最终的业务收益
- 对于架构设计问题，从可用性、扩展性、性能等维度进行系统性阐述
- 请分享一个你主导的Agent项目，详细说明其架构设计及解决的核心痛点
- 在大模型与传统推荐架构融合时，你遇到过哪些技术挑战？是如何解决的？
- 如何设计一个高可用、可扩展的Agent运行框架以应对高并发场景？
- 在Agent的意图理解或任务规划模块中，你做过哪些优化来提升自主决策能力？
- 复习大模型应用开发的核心技术栈，准备1-2个Agent落地的深度技术案例
- 了解推荐系统的基本架构及大模型在其中的潜在应用点
职位点评
薪资福利85
成长发展95
工作生活40
使命价值80
薪资福利
85较高
专家级岗位，薪资处于行业头部水平，且大模型方向具有较高溢价，整体薪酬福利极具竞争力。
薪资信号偏高 (4千–7万/月)
成长发展
95较高
处于AI大模型与Agent技术的最前沿，业务场景丰富，技术成长与职业发展空间极大。
技术前沿前沿/新兴技术
技术栈LLM、Agent、C++、Python、Java、分布式系统
业务类型profit_center
工作生活
40较低
JD未提及工作模式与WLB相关信息，但作为核心业务线的专家岗，工作强度通常较大。
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
80较高
推动大模型在推荐场景的落地，属于AI技术赋能业务的前沿探索，具有较高的技术使命感与行业影响力。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
Watch Jobs