阿里巴巴
供应链产品技术部-AI应用研发工程师（物流履约）-杭州
供应链产品技术部-AI应用研发工程师（物流履约）-杭州
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人工智能
人工智能
Ai Agent
Llm
Mcp协议
Rag
分布式系统
值不值得投
78综合评分
综合评分 78
核心业务线AI应用研发岗，技术栈前沿且成长空间大，薪资竞争力强，但WLB未明确。
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
2万
比人工智能中位数高
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 3100 个在招 · 其中人工智能 约 330 个
市场机会
选择面较广
杭州 · 人工智能 · 约 400 个在招
职位详情
关于这个职位
该职位负责物流履约核心系统的架构设计与AI能力融合，主导AI Agent在智能调度等复杂场景的落地与LLM工程化建设
你需要具备扎实的Java后端基础，并深入掌握大模型、RAG及Agent开发技术，推动团队向AI Native研发模式转型
最低要求
Java 基础与分布式架构要求
● 1 年及以上 JAVA 开发经验，Java 基础扎实，深刻理解 JVM 原理及常用开源框架（Spring Boot/Cloud等）的核心机制
● 熟悉分布式系统设计，精通缓存（Redis）、消息队列（Kafka/RocketMQ等）及微服务架构，能合理运用分布式技术解决高并发与数据一致性问题，为 AI 应用提供稳固的后端支撑
数据库与操作系统能力
● 熟练掌握 Linux 操作系统，具备扎实的 SQL 编写与优化能力，熟练使用 MySQL、Oracle等大型数据库，能够高效处理履约链路中的海量数据
AI Native 核心技术栈（核心竞争力）
● LLM 深度应用：深入理解大语言模型工作原理，具备高级 Prompt Engineering 能力，熟悉向量数据库选型及知识库（RAG）构建流程
● Agent 实战与调优：具备 LangChain、LlamaIndex、AutoGen 或类似框架的深度使用经验
有 Agent 研发、多步推理编排及效果调优经验者优先，特别是在履约表达与协同等复杂业务逻辑下的实际落地案例
● 前沿工程协议：了解并掌握 MCP 协议，具备 Context Engineering 实战经验，熟悉 Harness 工程 或 SDD相关开发模式，能够独立开发可复用、可组合的 AI Skills
● AI 辅助开发专家：熟练掌握 Copilot、Cursor 等 AI IDE 工具，具备利用 AI 工具链加速跨领域需求交付的能力，并能总结最佳实践反哺团队
工作职责
履约核心系统设计
● 负责履约表达与协同领域核心功能的领域建模、架构设计及编码实现
不仅关注传统业务逻辑，更致力于将 AI 能力原生地融入业务流程，确保系统的高可用性与智能化扩展性
● 主导重点项目的技术方案设计与评审，攻克“业务+AI”结合部的技术难点，保障项目高质量交付
系统性能优化与AI重构
● 深入分析现有系统的瓶颈，通过重构代码、优化算法及引入 AI 辅助决策机制，显著提升系统性能与业务处理效率
● 基于 DDD（领域驱动设计） 方法论，清晰划分履约业务的领域边界，构建高内聚、低耦合的业务模型，为 AI Agent 提供清晰、标准化的业务接口与数据上下文
AI Native 应用落地与工程化
● Agent 研发与场景落地：负责 AI Agent 在履约协同复杂场景（如智能调度、异常自动处置、多式联运协同、客服交互等）中的研发、编排、调优与实际落地，解决传统规则引擎难以处理的长尾问题
● LLM 工程化体系建设：掌握 LLM 基本原理，负责企业级知识库（RAG）的构建与维护
熟练运用 Context Engineering（上下文工程） 和 Harness 工程/SDD 开发能力，优化 Prompt 策略，提升大模型在垂直业务场景下的准确性、稳定性与可控性
● 协议标准化与技能扩展：基于 MCP (Model Context Protocol) 协议打通数据孤岛，实现系统与模型间的无缝交互
开发标准化的 AI Skills，实现跨领域需求的快速组装与交付
● AI 驱动的研发效能提升：利用常用 AI IDE 及辅助工具优化开发全流程，探索 AI 赋能软件开发生命周期的最佳实践，推动团队从“Code Writer”向“AI native Architect”新研发范转型
优先资格
加分项
● 技术敏锐度与创新力：对 AI 新技术保持强烈的好奇心与钻研精神，追求优雅的代码与架构设计
具备良好的技术视野，能够从技术趋势层面影响并带动团队向 AI Native 转型
● 软技能: 学习能力强，具备良好的适应能力、耐心与细心，善于在业务与技术之间搭建沟通桥梁
AI 洞察
优缺点分析
优点
- 接触最前沿的AI Agent与LLM工程化技术，技术栈极具前瞻性与竞争力
- 依托海量真实物流履约场景，AI落地业务价值高，能积累丰富的复杂场景实战经验
- 推动团队研发范式转型，有机会参与制定AI辅助开发的最佳实践与标准
- 业务逻辑复杂，需同时兼顾传统分布式系统的高可用与AI模型的不确定性
- AI技术迭代极快，需要持续投入大量精力跟进前沿协议（如MCP）与新框架
- 适合具备扎实Java后端基础，且对大模型、Agent开发有浓厚兴趣并有一定实战经验的开发者
缺点 / 挑战
暂无明显挑战项
角色解读
- 从传统后端开发向AI Native架构师转型，掌握大模型工程化落地核心能力
- 深入理解电商物流履约复杂业务，成长为业务与技术双修的复合型技术专家
- 负责物流履约核心系统的架构设计与编码，将AI能力原生融入业务流程
- 主导AI Agent在智能调度、异常处置等复杂场景的研发与落地，解决长尾问题
- 构建企业级RAG知识库，优化Prompt策略，推进LLM工程化体系建设与MCP协议落地
- 扎实的Java后端基础，精通Spring Boot/Cloud及分布式架构（Redis、Kafka等）
- 深入理解LLM原理，熟练掌握LangChain等Agent框架及RAG构建流程
- 具备高级Prompt Engineering能力，熟悉MCP协议及Context Engineering实战
申请策略
- 了解淘天集团物流履约业务的基本链路，思考AI在其中的切入点
- 准备一些关于AI工具链如何改变传统软件开发流程的思考与见解
- 突出Java分布式架构经验及高并发场景下的系统优化成果
- 详细列举LLM、RAG或AI Agent的实际落地项目，强调在复杂业务逻辑中的调优经验
- 展示使用Copilot/Cursor等AI工具提升研发效能的具体案例或数据
- 深入学习MCP协议与Context Engineering，掌握AI Skills的标准化开发
- 熟悉DDD（领域驱动设计）方法论，提升复杂业务领域的建模能力
面试指南
- STAR法则：结合具体业务场景，说明面临的挑战、采取的技术方案（如RAG/Agent编排）及最终业务收益
- 技术深度+业务理解：先阐述技术原理与选型考量，再结合履约业务痛点说明落地效果与优化迭代过程
- 在履约协同场景中，你是如何设计AI Agent的编排与多步推理逻辑的？
- 面对大模型在垂直业务场景下的幻觉或不稳定问题，你有哪些工程化解决思路？
- 请分享一个你利用AI IDE或辅助工具显著提升开发效率的实际案例
- 如何基于DDD方法论为AI Agent提供标准化的业务接口与数据上下文？
- 复习Java分布式核心组件原理，并准备大模型工程化（RAG、Prompt优化）的实战细节
- 了解MCP协议、Context Engineering等前沿概念，形成自己的技术见解
职位点评
薪资福利85
成长发展90
工作生活50
使命价值75
薪资福利
85较高
作为核心技术岗，结合AI前沿技术栈要求，薪资福利具备较强市场竞争力。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
90较高
岗位深度结合LLM、Agent等前沿AI技术，并推动研发范式转型，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈Java、Spring Boot、Redis、Kafka、LLM、RAG、AI Agent、LangChain、MCP、Context Engineering
成长机会向 AI native Architect 转型、总结最佳实践反哺团队
业务类型ambiguous
工作生活
50较低
JD未明确提及工作模式与WLB相关信息，且核心系统研发与AI落地通常面临较高的交付压力。
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
推动物流履约智能化，提升业务处理效率，具有较好的行业应用价值与技术使命感。
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
Watch Jobs