阿里巴巴
阿里云智能-前沿部署工程师（FDE）-Forward 知识工程&智能服务- 杭州/北京
阿里云智能-前沿部署工程师（FDE）-Forward 知识工程&智能服务- 杭州/北京
发布于 3 天前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Ai应用开发
Llm
Prompt Engineering
Rag
大模型
数据闭环
评测体系
值不值得投
79综合评分
综合评分 79
高成长性AI工程岗，技术前沿但现场办公，发展机会大于生活平衡。
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
3.5万
与人工智能中位数基本持平
发布情况
新岗位 · 3 天前发布
公司情况
这家公司招聘很活跃
约 2860 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 380 个在招
职位详情
关于这个职位
负责将大模型能力转化为可上线、可运营的产品化应用
你需要主导从问题定义到生产交付的全链路工作，进行技术选型、搭建应用架构、建立数据闭环、构建评测体系，最终交付可持续迭代的AI产品
工作地点在杭州或北京
最低要求
基础条件：
计算机、数学、统计学等相关专业，本科及以上学历
年以上 AI 应用相关工作经验，具备扎实的工程实现能力
精通 Python，熟悉主流 LLM 应用开发框架与工具链
核心能力（必须具备）：
应用架构能力：能独立完成 LLM 应用的端到端架构设计，在 Prompt / RAG / Agent / 微调间做出合理选型并落地
Agent 工程化：有完整的 Agent 系统从 0 到 1 上线经验，熟悉多 Agent 编排、Tool-Use、Memory 等核心模块的工程实现
交付导向：关注从原型到上线的完整路径，能主动识别风险、推动跨团队协作，按时交付可运营的产品能力
数据意识：具备 Data-centric 思维，能设计数据闭环驱动产品迭代，有合成数据或数据质量治理经验者优先
评测能力：能搭建自动化评估体系，具备复杂任务的量化评估与根因定位能力
能力特质：
技术判断力：能在多种技术路线中快速识别关键瓶颈，做出有依据的取舍，而非堆砌技术
技术审美：能区分“能跑”与“可上线”，追求简洁、可维护的工程实现，避免过度设计
业务体感：能站在用户和产品视角思考问题，不只是完成算法指标，而是交付业务价值
工作职责
核心职责：
与业务、产品共创需求，将业务诉求拆解为可落地的技术方案，明确目标、边界与验收标准
对所负责模块的线上质量、稳定性与成本负责，建立监控、告警与兜底机制，驱动持续迭代
在 Prompt Engineering / RAG / Agent / 微调等方案间做技术选型，设计端到端应用架构（含上下文管理、工具调用、记忆机制、安全策略），完成生产级交付
搭建 Agent 系统的工程化落地，包括多 Agent 协作与编排、Tool-Use（MCP 等协议）集成、Memory 管理，推动从原型到线上的完整闭环
构建数据飞轮：设计采集、清洗、标注的工程化流水线，打通“上线 → 反馈 → 数据 → 迭代”循环
面向业务目标设计评测指标，搭建自动化评测框架（LLM-as-Judge / Auto-rater），执行线上 A/B 实验，监控效果漂移并及时干预
AI 洞察
优缺点分析
优点
- 技术前沿：工作内容直接接触LLM、Agent等最前沿的AI技术，技术成长性极高
- 价值闭环：能主导从需求到上线的完整链路，工作成果可见度高，成就感强
- 大平台资源：背靠阿里巴巴云智能集团，拥有顶尖的技术资源和丰富的业务场景
- 快速迭代：AI技术领域变化快，需要持续学习新技术并快速应用到产品中
- 适合对AI工程化有浓厚兴趣，具备扎实工程能力，并希望将大模型技术转化为实际商业价值的工程师
缺点 / 挑战
- 技术难度高：需要平衡技术先进性与工程化落地、成本控制之间的关系，挑战大
- 交付压力：对模块的线上质量、稳定性与成本负责，需要持续跟进和优化，工作强度可能较高
- 希望在一个高挑战、高成长的技术平台深耕
角色解读
- 深度方向：成为AI应用架构师或大模型技术专家，专注于复杂系统的架构设计与优化
- 广度方向：向AI产品经理或技术负责人发展，更侧重业务理解、团队管理和技术战略
- 行业影响：参与构建行业级的AI解决方案，成为推动大模型技术落地应用的领军人才
- 将大模型技术（如LLM、Agent）转化为实际可上线、可运营的产品功能
- 主导AI应用从需求分析、技术选型、架构设计到生产交付和持续迭代的全流程
- 负责搭建和优化数据闭环与自动化评测体系，保障产品线上效果和稳定性
- 扎实的Python编程能力和LLM应用开发框架（如LangChain）的实战经验
- 具备完整的Agent系统从0到1工程化落地经验，熟悉多Agent编排、工具调用等
- 强大的应用架构设计与选型能力，能在多种技术路线（RAG/微调等）中做出合理取舍
- 数据驱动思维，能够设计数据采集、清洗、标注流水线，并搭建自动化评估体系
申请策略
- 研究阿里云智能相关产品（如通义千问、百炼平台）和大模型落地案例，在面试中展现对业务的理解
- 准备一个能体现你端到端工程能力和技术判断力的深度项目案例，用于技术面试环节
- 重点突出与LLM、Agent、RAG等相关的AI应用项目经验，尤其是从0到1的落地案例
- 详细描述你在项目中负责的技术选型、架构设计、数据闭环或评测体系搭建的具体贡献
- 强调跨团队协作、推动项目交付的软性技能，以及对业务价值的理解
- 系统学习和实践Agent开发框架（如AutoGen、LangGraph）及Tool-Use协议（如MCP）
- 深入理解LLM评测方法论，并尝试搭建本地化的自动化评测框架
- 研究并实践Data-centric AI，了解合成数据生成与数据质量治理的最佳实践
面试指南
- 使用STAR法则（情境、任务、行动、结果）来结构化地讲述项目经验，突出你的决策和贡献
- 对于技术设计类问题，先阐明目标与约束，再分点阐述技术选型理由、架构模块设计、以及关键考虑因素（如成本、稳定性、扩展性）
- 对于评估和迭代类问题，结合具体指标（如准确性、延迟、成本）和工具（如LLM-as-Judge）来阐述你的方法论
- 请介绍一个你主导的、从0到1的LLM应用项目，你在其中遇到了哪些技术挑战？是如何解决的？
- 如果让你为一个新的业务场景设计一个Agent系统，你会如何进行技术选型（例如RAG vs. 微调）和架构设计？
- 如何评估一个LLM应用的线上效果？你会搭建怎样的评测体系？遇到效果漂移会如何处理？
- 请谈谈你对‘数据闭环’的理解，并描述你如何设计一个工程化的数据飞轮
- 梳理过去项目中关于技术选型、架构设计和数据处理的具体决策和实现细节
职位点评
薪资福利80
成长发展95
工作生活50
使命价值85
薪资福利
80较高
作为跨国巨头企业的技术岗位，薪资水平应具有市场竞争力。岗位要求高，预估薪资回报可观。
薪资信号市场水准 (2.5千–4.5万/月)
成长发展
95较高
岗位聚焦于大模型应用的前沿工程化落地，技术挑战大，能深度参与AI产品全生命周期，成长性极高。
技术前沿前沿/新兴技术
技术栈LLM、Agent、RAG、Prompt Engineering、Python、评测体系
成长机会主导从问题定义到生产交付的全链路工作、驱动持续迭代
业务类型ambiguous
工作生活
50较低
工作地点位于杭州或北京，可能需现场办公。岗位要求对线上质量负责，可能需要关注线上问题，WLB情况需进一步了解。
工作模式仅现场办公
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
85较高
岗位致力于将大模型能力转化为可运营的产品，直接创造业务价值，在高速发展的AI领域有较强的意义感。
行业发展高速增长赛道
社会影响中性/一般
使命信号交付可持续迭代的 AI 产品、交付业务价值
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