阿里巴巴
业务技术-AI应用优化工程师-智能营销方向
业务技术-AI应用优化工程师-智能营销方向
发布于 3 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
Autoresearch
Fine-Tuning
Llm
Multi-Agent
Rlhf
上下文工程
因果推断
强化学习
电商营销
值不值得投
77综合评分
综合评分 77
淘天核心业务AI岗、前沿Agent技术栈、发展天花板高，但工作节奏与交付压力较大。
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
4.8万
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 3140 个在招 · 其中人工智能 约 340 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
该职位主要负责淘天集团店铺智能优惠系统的端到端设计与落地，构建从人群洞察到营销动作的AI智能闭环
你需要攻坚营销Agent的业务落地难题，搭建效果度量与迭代体系，并跟踪AI+营销前沿技术，推动电商营销领域AI的规模化应用
最低要求
计算机、人工智能、数学等相关专业本科及以上学历，3 年及以上研发经验，其中至少 1–2 年 LLM / Agent 方向的落地经验
电商营销项目经验丰富，具备强跨团队推动力：熟悉电商营销技术体系设计，能独立设计并交付端到端营销解决方案
具备优秀的沟通与协作能力，能在算法、工程、产品、业务多方协同的环境中把项目推动到有结果
对 Agent 技术栈有深度理解与实战积累：具备长程任务（long-horizon）Agent 的设计与落地经验，熟悉上下文工程（context engineering）、任务规划与子任务分解、工具编排与并行调用、自我反思与错误恢复等关键能力的工程化实现
理解 Multi-Agent 协作中的角色划分、通信协议与冲突消解，能针对业务场景在 Single-Agent 深度 vs Multi-Agent 广度 之间给出合理取舍
关注 Agentic RL、Skill Learning、Tool / Sub-agents 体系化建设等前沿方向并有自己的判断，能独立交付端到端 Agent 应用并对每一环节的选型给出充分依据
具备 Agent / Harness 框架层与自迭代闭环的动手能力：有主导或深度参与 Agent Harness（调度循环、工具调用协议、上下文拼装、Token 与预算控制等）设计与实现的经验
在记忆模块上有体系化设计——能清晰区分短期上下文、会话级记忆、长期用户/商家记忆与知识型记忆的边界，熟悉写入/召回/淘汰/一致性策略，具备向量检索、结构化记忆、事件流记忆等多种方案的落地取舍经验
在 AutoResearch / RSI（Recursive Self-Improvement） 方向具备可复用的奖励与评估方法论——针对营销/推荐类稀疏、延迟、多目标反馈场景，具备自建可校准的多层评估框架 / benchmark 能力
具备扎实的工程功底，能独立完成从原型到生产链路的落地，对服务稳定性、P99 延迟、Token 成本有清晰的量化 sense
同时具备扎实的算法基础，熟悉常用机器学习/统计学习方法（如分类、聚类、预测、因果推断/Uplift 等），能结合业务问题完成特征构建、模型选型、离线评估与线上效果验证
工作职责
负责店铺智能优惠面向增量人群的 AutoResearch 系统端到端设计与落地，主导 人群策略自动生成、营销场景编排、投放节奏规划、效果归因与策略自迭代 等核心链路
构建 人群洞察到营销动作的智能闭环，完成增量人群圈选与分层、触达时机与权益匹配、A/B 实验自动化、ROI 预估模型校准，将运营经验沉淀为可复用的 AI 决策规则
攻坚营销 Agent 的 业务落地难题：商家差异化诉求抽象、多活动并行冲突消解、资金安全与合规约束下的自动化边界定义，在“全自动”与“人在回路”之间找到最优平衡点
搭建 AutoResearch 的 效果度量与迭代体系 ：定义核心北极星指标、建设离线回放与在线对照实验框架、bad case 归因与策略修正闭环，驱动系统能力可度量地转化为增量业务结果
跟踪 AI + 营销领域前沿实践（自动化投放、个性化定价、Agent 驱动的运营工作流等），识别高 ROI 的技术杠杆点，推动电商营销领域AI规模化落地
优先资格
熟悉大模型基本原理、Fine-tuning、RLHF 等优化手段者优先
AI 洞察
优缺点分析
优点
- 处于AI+电商营销的最前沿，能够接触到大规模真实业务场景，技术落地价值极高
- 核心业务部门资源充足，能够主导端到端的系统建设，个人技术影响力与业务成就感强
- 掌握LLM/Agent等热门且稀缺的技术栈，未来在AI应用落地领域的职业护城河深
- 业务场景复杂，需在“全自动”与“人在回路”间寻找平衡，对业务理解与抽象能力要求极高
- 适合具备扎实大模型工程化落地经验、对电商营销业务有深刻理解，且具备强跨团队推动力的技术极客
缺点 / 挑战
- 涉及多方协同（算法、工程、产品、业务），跨团队沟通与项目推动成本较大，面临较高的交付压力
角色解读
- 纵向可深耕AI Agent与自动化营销技术，成长为该领域的资深技术专家或架构师
- 横向可向AI业务负责人或技术总监发展，统筹电商营销领域的AI战略与规模化落地
- 负责店铺智能优惠系统的端到端设计，构建从人群洞察到营销动作的AI智能闭环，实现策略自动生成与效果归因
- 攻坚营销Agent的业务落地，解决多活动冲突、资金安全等问题，在自动化与人工干预间寻找最优解
- 搭建效果度量与迭代体系，跟踪AI+营销前沿技术，推动电商营销领域AI的规模化应用
- 具备扎实的LLM/Agent工程化落地经验，熟悉上下文工程、任务规划、工具编排及Multi-Agent协作机制
- 拥有Agent Harness框架层设计能力，精通记忆模块体系化设计及AutoResearch/RSI方向的评估方法论
- 具备扎实的算法与工程功底，熟悉机器学习、因果推断及大模型微调，能独立完成生产链路落地
申请策略
- 提前了解淘天集团最新的智能营销产品与AI应用动态，面试时结合具体业务痛点提出自己的技术解法
- 重点突出LLM/Agent方向的实战项目，特别是长程任务规划、Multi-Agent协作及工具编排的具体落地案例
- 详细阐述在Agent Harness框架、记忆模块设计或AutoResearch评估体系中的核心贡献与技术深度
- 强调电商营销或推荐领域的业务经验，展示如何通过技术手段提升ROI或实现业务指标增长
- 深入学习Agentic RL、Skill Learning等前沿Agent技术，提升在复杂业务场景下的模型选型与架构设计能力
- 补充因果推断与Uplift模型知识，强化在稀疏、延迟反馈场景下的效果评估与策略修正能力
面试指南
- STAR法则：针对项目经验题，按照情境、任务、行动、结果的逻辑，重点突出技术难点与你的解决思路
- 架构拆解法：针对系统设计题，从业务抽象、模块划分（如记忆、规划、工具）、数据流转、评估闭环等层次进行结构化解答
- 请分享一个你主导的长程任务Agent落地项目，你是如何处理任务规划、子任务分解及错误恢复的？
- 在Multi-Agent协作中，你如何设计角色划分与通信协议？遇到冲突时如何消解？
- 针对营销场景下稀疏、延迟的反馈，你是如何设计AutoResearch的评估框架与奖励机制的？
- 在“全自动”与“人在回路”之间，你如何定义自动化边界以确保资金安全与合规？
- 请谈谈你对上下文工程（Context Engineering）的理解，以及在Token预算控制方面的实践经验
- 梳理过往项目中的Bad Case，准备归因分析与策略修正的完整复盘，体现你的迭代思维
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
作为核心业务部门的AI技术岗，薪资具备较强市场竞争力，且上市公司福利体系完善，能较好满足补偿性动机。
薪资信号未披露（AI估算：3.5千–6万/月）
成长发展
95较高
岗位聚焦LLM/Agent等前沿技术，且要求跟踪AI+营销前沿实践，技术成长空间与行业视野极佳。
技术前沿前沿/新兴技术
技术栈LLM、Agent、AutoResearch、Multi-Agent、上下文工程、Fine-tuning、RLHF、Agentic RL
成长机会跟踪 AI + 营销领域前沿实践
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，且核心业务部门AI攻坚岗位通常面临较高的交付压力与工作强度。
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
推动电商营销领域AI规模化落地，将运营经验沉淀为AI决策规则，具有一定的技术赋能业务的成就感。
行业发展高速增长赛道
社会影响中性/一般
使命信号推动电商营销领域AI规模化落地
创新程度积极采用新技术
Watch Jobs