阿里巴巴
淘天算法技术-Agent算法工程师-杭州
淘天算法技术-Agent算法工程师-杭州
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Llm
Pytorch
Rag
多模态理解
强化学习
系统架构设计
值不值得投
77综合评分
综合评分 77
顶尖AI技术栈、核心业务赋能、成长空间广阔，但需适应高强度研发节奏。
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
3.7万
比机器学习工程中位数高
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 3790 个在招 · 其中机器学习工程 约 210 个
市场机会
选择面较广
杭州 · 机器学习工程 · 约 300 个在招
职位详情
关于这个职位
负责在电商场景下设计、开发和迭代基于大语言模型的智能Agent系统，涵盖自主规划、工具调用及多步推理等核心能力
同时主导Agent核心算法的研发与优化，包括强化学习、多Agent协作及知识管理等方向，推动前沿技术在商品理解、比价助手等业务中的落地与工程化部署
最低要求
计算机、人工智能、模式识别等相关专业硕士及以上学历，2年及以上相关工作经验
具备扎实的编程与工程能力，精通Python/C++/SQL等编程语言，熟练掌握PyTorch等深度学习框架，有良好的代码风格和系统设计能力
具备优秀的分析与解决问题能力，能够将复杂的业务问题拆解为Agent可执行的子任务，设计合理的Agent工作流和工具链，给出创新性解决方案
拥有强烈的技术Owner意识和自驱力，能够独立负责Agent技术方向的规划与落地，对构建真正"能用"的智能系统有热情和追求
工作职责
构建面向电商场景的智能Agent系统： 负责设计、开发和迭代面向商品理解与匹配的智能Agent系统，基于大语言模型（LLM）构建具备自主规划、工具调用、多步推理和记忆管理能力的Agent架构，实现商品多模态信息（文本、图片、价格等）的深度理解与智能决策
Agent核心算法研发与优化： 负责Agent核心算法的研发，包括但不限于：Agent规划与决策策略、工具学习与技能进化（Tool Learning、Skill Evolution）、Agent强化学习（Agent RL、RLHF/RLAIF）、多Agent协作与博弈框架、基于检索增强的Agent知识管理（RAG + Agent Memory）等方向，持续提升Agent在复杂电商任务中的准确率与鲁棒性
前沿技术探索与业务落地： 跟踪Agent领域的最新研究进展，结合商品同款匹配、价格分析、属性提取等核心业务场景，进行技术选型与方案落地
探索Agent在电商链路中的更多应用可能，如智能比价助手等
Agent系统工程化与规模化： 负责Agent系统的工程化落地，设计高性能、高可用的Agent服务架构，解决大规模并发调用下的延迟、成本和稳定性问题
构建Agent效果评估体系，通过AB实验持续验证和驱动业务指标增长
优先资格
具备以下一个或多个领域的深厚积累：
a. Agent系统： 在LLM Agent方向有深入实践，熟悉主流Agent框架和范式（如ReAct、Function Calling、Multi-Agent等），有Agent规划、工具调用、记忆管理、技能进化等方向的研发经验
在Agent RL、Agent评估、Agent安全等方向有研究或落地经验者优先
b. 大语言模型（LLM）： 熟悉主流大语言模型的原理与训练，在SFT、RLHF、模型蒸馏（Model Distillation）、提示工程（Prompt Engineering）、In-Context Learning等方向有实践经验，能够针对Agent场景进行模型适配和优化
c. 多模态理解： 熟悉主流多模态大模型（VLM）的原理和应用，有图文匹配、视觉内容理解、VQA等项目经验，能够将多模态能力有效集成到Agent系统中
AI 洞察
优缺点分析
优点
- 聚焦AI最前沿的Agent与大模型技术栈，技术成长空间大
- 背靠淘天集团海量电商数据与真实业务场景，落地价值高
- 平台资源丰富，有利于积累头部项目经验
- 算法竞争激烈，对模型调优与工程落地的双重能力要求极高
- 技术迭代快，需保持高强度的学习与跟进
- 适合具备扎实AI理论基础、热衷大模型与智能体技术研发，且能在高压业务环境中快速推进项目落地的算法工程师
缺点 / 挑战
- 业务指标压力大，需通过AB实验持续验证效果并驱动增长
角色解读
- 可向首席算法科学家或AI技术专家方向发展，深耕大模型与智能体前沿技术
- 也可转向技术管理岗位，带领团队负责核心AI业务线的算法架构与落地
- 负责电商场景下基于LLM的智能Agent系统设计与开发，实现商品理解与智能决策
- 主导Agent核心算法（如规划决策、强化学习、多Agent协作）的研发与优化
- 跟踪前沿技术并结合业务场景进行方案落地与工程化部署
- 扎实的LLM与Agent框架实战经验（如ReAct、Function Calling）
- 精通Python/C++及PyTorch深度学习框架
- 具备多模态理解（VLM）与强化学习（RLHF/RLAIF）相关项目经验
- 优秀的系统架构设计与复杂问题拆解能力
申请策略
- 提前了解淘天集团核心业务痛点与Agent在电商中的应用现状
- 准备详细的项目复盘案例，重点阐述技术选型依据与难点攻克过程
- 关注公司在AI大模型领域的最新动态与技术博客
- 突出LLM Agent相关项目经验，详细说明在规划、工具调用、记忆管理等模块的具体贡献
- 量化展示算法优化带来的业务指标提升（如准确率、召回率、AB实验收益）
- 强调工程落地能力，如高并发架构设计、性能优化经验
- 深入掌握主流Agent框架（LangChain/LlamaIndex等）及底层原理
- 补充强化学习与多模态大模型的最新论文阅读与实践
面试指南
- 采用STAR法则（情境、任务、行动、结果）结构化回答项目经验
- 针对技术问题，先阐述背景与目标，再分步骤说明技术方案选型、实施细节与迭代过程，最后用数据证明效果
- 强调技术决策背后的思考逻辑与权衡
- 请详细介绍你过往的Agent系统架构设计思路及核心难点
- 如何在大模型应用中实现有效的工具调用与记忆管理？
- 面对复杂的电商业务场景，你会如何将问题拆解为Agent可执行的子任务？
- 请分享一次通过AB实验驱动算法优化的完整经历
- 系统复习大模型微调（SFT/RLHF）、RAG架构及Agent核心范式（ReAct/Multi-Agent）的最新进展
职位点评
薪资福利85
成长发展92
工作生活45
使命价值75
薪资福利
85较高
薪资处于行业中上水平，结合大厂福利体系，整体薪酬竞争力较强。
薪资信号未披露（AI估算：2.8千–4.5万/月）
成长发展
92较高
提供接触AI最前沿Agent技术与海量业务场景的机会，技术成长路径清晰。
技术前沿前沿/新兴技术
技术栈LLM、Agent、强化学习、多模态、PyTorch
业务类型profit_center
工作生活
45较低
互联网大厂节奏较快，高强度研发与业务指标压力可能导致工作生活平衡受限。
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
75中等
致力于将前沿AI技术转化为实际商业价值，推动电商智能化升级，具有明确的行业应用前景。
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