阿里巴巴
业务技术-AI应用研发专家-内容消费
业务技术-AI应用研发专家-内容消费
发布于 2 小时前基层主管/组长
全职员工仅现场办公推荐系统
推荐系统
Agent架构
Go
Langgraph
Llamaindex
Rag
大模型工程化
搜推算法
生成式推荐
值不值得投
77综合评分
综合评分 77
淘天核心业务线、前沿Agent与搜推融合技术栈、成长空间极大，但业务指标压力大、WLB未明确。
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
6.5万
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 2920 个在招 · 其中推荐系统 12 个
市场机会
选择适中
杭州 · 推荐系统 · 20 个在招
职位详情
关于这个职位
淘天内容消费团队正在寻找具备Agent架构主导能力和搜推算法工程沉淀的技术专家
你将负责淘宝多模态内容分发与消费的全链路技术建设，主导下一代业务Agent架构设计，并将大模型能力与搜推链路深度融合，驱动业务增长
最低要求
计算机相关专业本科及以上学历，5 年以上后端 / 算法工程 / AI 应用研发经验，熟练掌握 Python，熟悉至少一门工程语言（Java/Go/TypeScript），具备扎实的系统设计、高并发与线上稳定性保障能力
深入理解大模型工程化实践，熟悉 Prompt Engineering、RAG、Function Calling、Agent 编排范式
有基于 LangGraph、LlamaIndex、AutoGen、Dify、AgentScope 等框架从 0 到 1 搭建 Agent 系统并推向生产的实战经验，能对架构关键路径独立决策
具备搜推算法工程经验：熟悉召回、排序、重排、多目标、在线学习、特征工程中至少一个方向的完整工程实践
理解 CTR、CVR、时长、GMV等核心指标的建模与优化范式，能与算法同学在同一语言体系下深度共建
至少一段作为技术负责人主导 AI Agent / LLM 应用在 C 端或 B 端大流量业务落地的完整经历，对准确率、时延、成本、稳定性四项核心指标端到端负责
具备较强的复杂问题拆解与技术判断力，能在信息不完备下做出可执行的架构决策，并在快速变化的技术环境中保持长期视角与业务结果导向
工作职责
Agent 系统架构主导：主导下一代业务 Agent 的整体架构设计与关键路径决策，覆盖任务规划、上下文与记忆管理、工具编排、多 Agent 协作、运行时稳定性与安全防线
对架构演进节奏、技术选型与技术债治理负责
Agent × 搜推算法融合：设计 Agent 与搜推链路（召回 / 排序 / 重排 / 多目标 / 在线学习）的融合方案，用大模型能力重构或增强搜推关键环节（意图理解、语义召回、Agentic Ranking、CoT 重排、LLM-as-Judge 反馈闭环），形成可度量的 A/B 增量与长期壁垒
端到端业务负责：作为技术负责人对接产品与业务方，从问题定义、方案选型、路线图规划到灰度上线、指标交付、成本治理形成闭环
对准确率、时延、成本、稳定性四大核心指标端到端负责
技术小组长 / 复杂项目牵引：作为小组技术负责人，负责任务拆解、方案评审、技术方向牵引与新人培养
在跨团队复杂项目中承担 PM 角色，牵引算法、工程、产品、数据多方协同落地
评测与持续演进体系：建设覆盖离线评测集 + 在线 A/B + Bad Case 归因 + 反馈回流 + 自进化的Agent评测体系，让能力提升可度量、可归因、可回归
前沿技术判断与引入：持续跟踪 LLM、Agentic RAG、后训练、Agent 框架、生成式推荐、LLM4Rec、MCP等前沿方向，主导有价值的技术在业务侧的预研、原型验证与生产化引入决策
优先资格
有虚线带人（3 人及以上小组长）经验，或作为 Tech PM主导过跨团队复杂技术项目（横跨算法 / 工程 / 产品 / 数据），能对项目节奏与技术风险负责
有多 Agent 系统、Agentic Workflow、生成式推荐、Agentic Ranking、模型后训练等方向的深度实战
有内容、社区、用户增长、商业化等 C 端大流量业务场景下 AI 与搜推融合的落地经验
在 AI Agent、LLM、搜推算法方向有开源项目、技术博客、专利或顶会（NeurIPS / ICML / KDD / SIGIR / WWW / RecSys 等）论文产出
AI 洞察
优缺点分析
优点
- 依托淘天海量用户与真实业务场景，技术成果能直接转化为可度量的业务增量，成就感强
- 提供一流的工程研发环境与充足算力，无算力焦虑，利于前沿技术探索与创新
- 处于“Agent与搜推算法融合”的前沿地带，技术栈极具前瞻性与市场竞争力
- 需要在信息不完备的情况下快速做出架构决策，对技术判断力与抗压能力要求极高
- 适合具备5年以上AI/搜推工程经验，渴望在海量C端场景中落地大模型Agent技术，且具备一定技术管理与跨团队协同能力的复合型技术人才
缺点 / 挑战
- 兼顾架构设计、业务落地与团队管理，工作强度与多线程任务压力较大
角色解读
- 纵向可向技术专家/架构师方向发展，成为大模型与Agent领域的顶尖技术领袖
- 横向可转型为技术总监或业务技术负责人，统筹更大规模的AI应用与搜推业务线
- 主导下一代业务Agent的整体架构设计，涵盖任务规划、记忆管理、工具编排等核心模块
- 将大模型能力与搜推链路（召回、排序、重排等）深度融合，重构意图理解与语义召回等关键环节
- 作为技术负责人端到端对接业务，负责从问题定义到灰度上线的全流程，并带领技术小组推进复杂项目
- 扎实的后端与算法工程能力，精通Python及至少一门工程语言（Java/Go/TS），具备高并发与系统稳定性保障经验
- 深入理解大模型工程化实践，熟练使用LangGraph、LlamaIndex等框架从0到1搭建Agent系统并推向生产
- 具备搜推算法工程经验，熟悉CTR/CVR等核心指标建模，能与算法团队深度共建
申请策略
- 提前了解淘宝内容消费业务（视频/图文/直播）的现状与痛点，准备针对性的AI赋能思路
- 梳理过往项目中的Bad Case归因与评测体系建设经验，这在面试中会是重要考察点
- 重点突出从0到1搭建Agent系统并推向生产的完整经历，强调对准确率、时延、成本等核心指标的优化成果
- 详细阐述在搜推算法工程方面的实战经验，特别是大模型与搜推链路融合的具体方案与A/B测试增量
- 展示作为技术负责人或Tech PM主导跨团队复杂项目的经验，体现技术拆解与多方协同能力
- 深入学习多Agent协作、Agentic Workflow及生成式推荐等前沿方向，补充模型后训练相关知识
- 提升复杂系统架构设计能力，特别是高并发场景下大模型应用的稳定性与成本治理方案
面试指南
- STAR法则：情境（业务痛点）-> 任务（核心指标挑战）-> 行动（架构设计与技术选型）-> 结果（业务增量与指标改善）
- 权衡思维：在回答架构设计时，重点展现对准确率、时延、成本、稳定性四大指标的Trade-off思考过程
- 请分享一个你从0到1主导的Agent系统落地案例，你是如何设计任务规划与工具编排的？遇到了哪些稳定性问题？
- 在搜推链路中引入大模型（如Agentic Ranking或语义召回），你是如何平衡时延、成本与准确率的？
- 作为技术小组长，你如何拆解跨算法、工程、产品的复杂项目？遇到技术方向分歧时如何决策？
- 针对C端大流量场景，你如何建设Agent的评测体系以实现能力的持续演进与自进化？
- 复习并总结过往项目中LangGraph/LlamaIndex等框架的使用细节，准备应对底层原理与工程化踩坑问题
- 了解当前LLM4Rec、MCP等前沿方向的最新论文或开源实践，展现技术视野与持续学习能力
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
阿里高级技术专家岗位，薪资处于行业高位，且提供充足的算力与研发资源，整体薪酬福利具备较强竞争力。
薪资信号未披露（AI估算：5千–8万/月）
成长发展
95较高
处于Agent与搜推融合的最前沿，接触海量真实业务场景与顶尖大模型矩阵，技术成长与行业视野拓展空间极大。
技术前沿前沿/新兴技术
技术栈Python、Java、Go、TypeScript、LangGraph、LlamaIndex、AutoGen、Dify、AgentScope、RAG、Prompt Engineering、Function Calling、LLM、Agentic RAG、MCP
成长机会新人培养、前沿技术判断与引入、预研、原型验证与生产化引入
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技术专家及小组长，且需端到端负责业务指标，工作强度与压力预计较大。
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
75中等
服务淘内海量用户的内容消费体验，用AI驱动商业价值增长，具备较强的业务影响力与技术使命感。
行业发展高速增长赛道
社会影响中性/一般
使命信号用AI驱动内容分发效率、消费时长与商业价值的持续增长
创新程度开拓性创新（行业首创）
Watch Jobs