阿里巴巴
业务技术-AI Agent 优化工程师-Agent 平台方向
业务技术-AI Agent 优化工程师-Agent 平台方向
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算法优化工程师
算法优化工程师
Llm
Multi-Agent
Prompt Engineering
Pytorch
Rag
Sql
Tensorflow
强化学习
值不值得投
77综合评分
综合评分 77
阿里淘天核心AI Agent算法岗，技术前沿且薪资偏高，发展上限极高，但WLB未明确且工作强度可能较大。
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。
薪资怎么样
5万
比算法优化工程师中位数高
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 3020 个在招 · 其中算法优化工程师 约 110 个
市场机会
选择面较广
杭州 · 算法优化工程师 · 约 130 个在招
职位详情
关于这个职位
该职位主要负责淘天集团AI Agent核心能力的优化与迭代，通过数据分析、评测体系构建和策略优化，提升Agent在复杂业务场景中的任务完成效果
你需要结合大语言模型、Prompt Engineering、RAG等技术，推动Agent在理解、推理、规划及执行等关键能力上的持续演进
最低要求
硕士及以上学历，计算机、人工智能、软件工程、数学、统计学等相关专业，具备扎实的机器学习、深度学习及自然语言处理基础
熟悉 Transformer、大语言模型及 AI Agent 技术体系，深入理解模型训练与推理机制，掌握 Prompt Engineering、RAG、Function Calling、Planning、Memory、Multi-Agent、Agent Workflow 等关键技术，并具备相关实践经验
熟悉监督微调、强化学习等模型优化方法，理解模型能力对齐、模型评测等相关技术，有大模型应用优化或 Agent 优化经验者优先
熟练掌握 Python，熟悉 PyTorch、TensorFlow 等至少一种深度学习框架，具备扎实的算法实现能力和良好的工程开发能力
熟悉模型评测体系及实验设计方法，能够构建科学的评估指标，熟练运用离线评测、在线实验（A/B Test）、日志分析及误差分析等方法持续优化 Agent 效果
具备扎实的数据分析能力，熟悉 SQL、Pandas、NumPy 等数据处理工具，能够从海量数据中发现规律，分析模型问题，并形成可落地的优化方案
具备优秀的问题抽象、技术研究及创新能力，能够快速理解复杂业务场景，设计并验证算法方案，持续推动 AI Agent 能力优化及业务价值提升
工作职责
负责 AI Agent 核心能力优化，围绕任务规划、推理、工具调用、记忆、知识增强、多智能体协作等关键能力开展算法研究与优化，持续提升 Agent 在复杂任务中的执行效果
建立 AI Agent 全生命周期评测体系，设计离线评测集、自动化评测流程及线上评估指标，结合真实业务场景分析 Agent 在理解、推理、执行及交互过程中的能力瓶颈，并持续推动优化迭代
基于海量用户行为数据、模型输出及运行日志，开展数据分析、误差分析及实验验证，定位影响 Agent 效果的关键因素，制定数据驱动的优化方案，持续提升任务成功率、执行效率及用户满意度
研究大语言模型在 AI Agent 场景下的能力边界及优化方法，结合 Prompt Engineering、上下文学习（In-Context Learning）、RAG、工作流编排、策略优化等技术，不断提升 Agent 在复杂业务中的泛化能力和稳定性
参与 Agent 数据体系建设，负责训练数据、评测数据、偏好数据及高质量样本构建，持续完善数据质量分析及自动化评测能力，为 Agent 持续优化提供数据支撑
结合离线实验、在线实验（A/B Test）及业务反馈，持续迭代 Agent 能力，建立从问题发现、原因分析、策略优化到效果验证的完整闭环，推动 Agent 能力持续演进
跟踪大语言模型及 AI Agent 领域前沿技术，结合业务需求开展新算法、新框架及新优化策略的探索与落地
优先资格
在AI顶会（ACL/EMNLP/ICLR/NeurIPS/ICML等）发表大模型评测、数据合成、Agent、RL相关一作或共一论文
知名大模型评测框架或高质量开源数据核心贡献者
极强的数学功底和逻辑分析能力，对高质量数据和评测有端到端闭环经验
AI 洞察
优缺点分析
优点
- 依托淘天集团海量真实业务场景和丰富数据，能充分发挥技术价值并看到显著的业务收益
- 平台大，资源充足，有机会参与构建行业领先的AI核心平台
- 大模型和Agent技术迭代极快，需要持续保持高强度的学习和技术跟进
- 适合对大模型和AI Agent有浓厚兴趣，具备扎实算法基础且渴望在核心业务场景中落地前沿技术的研发人才
缺点 / 挑战
- 处于AI Agent和大模型应用的最前沿，技术栈极具前瞻性和挑战性
- 在复杂真实业务场景中，Agent的稳定性和任务成功率优化面临较高的工程与算法双重挑战
角色解读
- 从Agent算法优化专家向大模型应用架构师或AI业务技术负责人发展
- 在AI Agent这一前沿领域积累深厚的技术壁垒，成为行业内的顶尖技术人才
- 负责AI Agent核心能力（如任务规划、推理、工具调用等）的算法研究与优化，提升复杂任务执行效果
- 建立Agent全生命周期评测体系，通过离线评测和线上A/B实验分析能力瓶颈并推动迭代
- 基于海量数据进行误差分析，结合Prompt Engineering、RAG等技术提升Agent的泛化能力和稳定性
- 扎实的机器学习、深度学习及NLP基础，熟练掌握Python及PyTorch/TensorFlow等框架
- 深入理解大语言模型及Agent技术体系，掌握Prompt Engineering、RAG、Multi-Agent等关键技术
- 具备优秀的实验设计、数据分析（SQL/Pandas）及模型评测能力，能构建科学的评估指标
申请策略
- 提前了解淘天集团的核心业务场景（如电商导购、客服等），思考Agent在这些场景中的具体应用和优化痛点
- 突出在大语言模型、Agent优化、RAG或Prompt Engineering方面的实际项目经验和落地成果
- 强调在模型评测体系构建、A/B实验设计及数据分析方面的能力，展示数据驱动优化的闭环经验
- 若有AI顶会论文或知名开源框架贡献，务必在简历显眼位置展示
- 深入学习Multi-Agent协作、复杂任务规划及强化学习在Agent中的应用
- 提升对海量日志数据的挖掘与分析能力，熟练掌握误差分析及自动化评测流程的搭建
面试指南
- STAR法则：情境-任务-行动-结果，重点突出数据驱动的优化过程和最终的业务收益指标
- 技术深度+业务理解：先阐述技术原理和方案选型，再结合具体业务场景说明为什么这么选以及如何落地
- 请分享一个你主导的AI Agent或大模型应用优化项目，你是如何定位问题并提升任务成功率的？
- 在构建Agent评测体系时，你如何设计离线评测集和线上评估指标？遇到线上线下效果不一致时如何处理？
- 针对复杂任务规划或工具调用失败的情况，你通常会采用哪些策略进行优化？
- 请谈谈你对RAG、Prompt Engineering和Multi-Agent在实际业务中应用边界的理解
- 复习大模型及Agent领域的最新前沿论文和技术进展，特别是关于评测、数据合成和RL的内容
- 准备1-2个自己最熟悉的项目，深入梳理其中的技术难点、解决思路及复盘思考
职位点评
薪资福利85
成长发展95
工作生活40
使命价值75
薪资福利
85较高
阿里上市巨头，算法岗薪资通常处于行业高位，福利体系完善，补偿性动机满足度高。
薪资信号偏高 (3.5千–6.5万/月)
成长发展
95较高
聚焦AI Agent前沿技术，依托核心业务场景，技术成长空间极大，发展性动机满足度极高。
技术前沿前沿/新兴技术
技术栈Transformer、LLM、Prompt Engineering、RAG、Multi-Agent、PyTorch、强化学习
业务类型profit_center
工作生活
40较低
JD未提及工作模式和WLB相关信息，且算法岗通常工作节奏较快，生活化动机满足度有限。
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
推动AI Agent在真实业务中的落地，具有较高的技术创新价值，但社会公益属性不明显。
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