阿里巴巴
阿里健康-AI搜数据底座专家-杭州/北京
阿里健康-AI搜数据底座专家-杭州/北京
发布于 1 小时前普通员工/个人贡献者
全职员工仅现场办公数据工程
数据工程
Ai Infra
Llm
Ocr
Prompt工程
Rag
多模态数据处理
文档智能
值不值得投
76综合评分
综合评分 76
阿里健康AI数据底座专家，聚焦多模态大模型数据处理，技术前沿、业务价值明确，是优质的技术成长型岗位。
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
4.5万
比数据工程中位数高
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 2770 个在招 · 其中数据工程 43 个
市场机会
选择面较广
杭州 · 数据工程 · 84 个在招
职位详情
关于这个职位
该职位负责阿里健康AI搜数据底座的核心研发工作，聚焦多模态大模型的数据处理链路
你需要对PDF等复杂文档进行高精度解析与结构化提取，构建高吞吐、可扩展的数据编排与调度引擎，并利用AI Coding能力提升研发效率，最终推动多模态数据处理技术在健康业务场景中的落地，以提升大模型的理解与应用效果
最低要求
计算机、数学、人工智能等相关专业本科及以上学历，3年以上后端研发或数据工程经验，具备大模型应用开发或 AI Infra 实践背景者优先
熟练掌握 Python、Java ，具备扎实的数据结构、算法基础和工程化能力
有大规模离线数据处理经验，熟悉 Spark / Flink / MaxCompute 等大数据计算引擎，了解任务调度、数据质量治理与数据仓库建模者优先
有文本、图像等多模态数据处理实战经验，熟悉 OCR、文档智能（Document AI）、Layout 分析、PyTorch 等技术者优先
熟练掌握 LLM 调用、Prompt 工程及 RAG 相关技术，能结合大模型能力优化数据处理流程
具备 AI Native 思维，习惯主动思考“这个问题能否用 AI 更好地解决”，用 AI 持续提升研发效率，并具备快速原型验证想法的能力
具备产品思维，能站在产品与用户的视角审视数据价值，理解数据质量最终决定上层应用的体验
有高质量开源项目贡献、技术博客或专利者优先
工作职责
聚焦多模态大模型的数据处理链路，负责 PDF 等复杂文档载体的内容高精度解析与结构化提取，结合开源框架进行效果优化与性能调优
负责离线数据处理体系的架构设计与实现，构建高吞吐、可扩展的通用数据编排与调度引擎，支撑大规模多模态数据的高效、稳定供给
基于 AI Coding 能力快速响应研发需求，构建稳定、可维护的数据处理与存储系统，保障端到端 pipeline 的可靠性与可观测性
推动多模态数据处理技术在实际业务场景中的落地，通过技术创新驱动大模型理解能力与应用效果持续提升
优先资格
有高质量开源项目贡献、技术博客或专利者优先
AI 洞察
优缺点分析
优点
- 技术栈前沿，直接参与大模型数据底座建设，能积累稀缺的多模态数据处理与AI Infra经验
- 业务场景明确（医疗健康），技术工作有清晰的业务价值导向和落地场景
- 岗位强调AI Native和产品思维，有助于培养全面的技术视野
- 在快速发展的AI医疗领域，需要持续学习并跟踪最新技术，保持技术敏感度
- 适合3年以上经验，有扎实数据工程或后端开发基础，对多模态数据处理、大模型应用及AI基础设施建设有浓厚兴趣，并希望深入医疗健康垂直领域的技术人员
缺点 / 挑战
- 依托阿里健康平台，有机会接触到大规模、高质量的医疗数据和复杂业务挑战
- 作为数据底座专家，需要解决大规模、复杂多模态数据处理中的性能与准确性挑战，技术难度较高
- 岗位要求较高的工程化和架构设计能力，对候选人的综合技术深度有要求
角色解读
- 技术专家路径：深耕数据底座与AI Infra技术，成为该领域的首席技术专家或架构师
- 技术管理路径：带领团队负责更广泛的数据平台或AI平台建设
- 行业解决方案路径：深入理解医疗健康行业，成为结合AI与医疗数据的复合型专家
- 负责设计和优化多模态数据（如PDF、图像）的自动解析与结构化处理流水线
- 构建支撑大规模数据供给的分布式任务调度与编排系统
- 应用AI Coding和工程化手段，保障数据处理流程的稳定、高效与可观测
- 将前沿的数据处理技术转化为实际的业务应用，提升健康领域大模型的效果
- 扎实的后端开发与数据工程能力，精通Python/Java和大数据框架
- 熟悉多模态数据处理技术链，如OCR、文档解析、LLM应用开发
- 具备构建高吞吐、可扩展系统的架构设计与工程实现能力
- 拥有AI Native思维和产品视角，能主动发现问题并用技术驱动业务价值
申请策略
- 深入研究阿里健康及其在AI医疗领域的布局，思考数据底座技术如何赋能其核心业务（如智能问诊、药品搜索）
- 在面试中，除了技术细节，要主动展示对数据价值和产品体验关系的理解，呼应JD中的“产品思维”要求
- 重点突出与多模态数据处理（如文档解析、OCR）和大数据引擎（Spark/Flink）相关的项目经验
- 详细描述构建高吞吐、可扩展数据处理系统或AI Pipeline的具体案例与成果
- 展示对LLM、RAG、Prompt Engineering等技术的理解和实践经验
- 如有开源贡献、技术博客或专利，请在显眼位置展示
- 系统学习和实践文档智能（Document AI）相关技术，如LayoutLM、PaddleOCR等
- 深入理解大规模离线数据处理架构，可以研究MaxCompute或类似系统
面试指南
- 采用STAR法则描述项目经验，重点突出技术选型、架构设计、性能优化和最终效果
- 回答架构设计问题时，先明确核心目标（高吞吐、可扩展、可靠），再从数据模型、任务调度、监控容错等方面展开
- 结合具体案例说明如何将AI技术与传统数据处理流程结合，强调“AI Native”思维
- 请介绍一个你过去处理过的复杂多模态数据（如PDF、扫描件）解析项目，遇到的主要技术难点是什么，如何解决的？
- 如何设计一个高吞吐、可扩展的离线数据处理调度引擎，以应对大规模多模态数据的供给需求？
- 你如何利用Prompt Engineering或RAG技术来优化一个具体的数据处理或信息提取任务？
- 当业务方提出一个需要快速验证的AI数据处理需求时，你的开发流程和思路是怎样的？
- 梳理并复盘自己的大数据项目和多模态数据处理项目，准备好详细的架构图和关键代码/解决方案
职位点评
薪资福利75
成长发展90
工作生活55
使命价值80
薪资福利
75中等
岗位薪资符合北京/杭州一线互联网公司的市场水准，对于该经验级别的技术岗位具有竞争力。
薪资信号市场水准 (3.5千–5.5万/月)
福利待遇五险一金
成长发展
90较高
岗位直接处于AI技术应用的核心环节（多模态数据处理、大模型数据底座），技术栈前沿且深度高，能提供极佳的技术成长机会。
技术前沿前沿/新兴技术
技术栈多模态数据处理、LLM、Prompt工程、RAG、OCR、文档智能、Spark、Flink、AI Infra
成长机会技术创新驱动、推动技术落地、AI Native思维、快速原型验证想法
业务类型profit_center
工作生活
55较低
职位未提及具体的办公模式（如远程或弹性）和工作强度相关信息，WLB情况无法从JD中判断。
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
80较高
岗位服务于阿里健康，在医疗健康领域应用前沿AI技术，具有明确的社会价值导向和行业增长潜力。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号提升大模型理解能力与应用效果、数据质量最终决定上层应用的体验
创新程度积极采用新技术
Watch Jobs