阿里巴巴
数据技术及产品部-AI应用研发工程师-Agent Memory 方向
数据技术及产品部-AI应用研发工程师-Agent Memory 方向
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
Agent Memory
Llm
Rag
Sql
向量数据库
图数据库
数据建模
值不值得投
78综合评分
综合评分 78
核心AI研发岗、前沿Agent Memory方向、技术成长空间大，但工作节奏可能较快。
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
比人工智能中位数低
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 3030 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 410 个在招
职位详情
关于这个职位
该职位主要负责Agent记忆体系的架构设计与核心能力建设，推动用户认知记忆服务从静态标签向动态语义体系升级
你需要结合大数据与AI技术，深入理解Agent消费场景，通过数据与算法赋能Agent生态，助力业务智能化增长
最低要求
技术基础扎实：熟练掌握Java/Python/SQL中至少一种语言，具备优秀的工程化思维与复杂系统设计能力，能独立完成高并发、高可靠的数据服务开发
大数据与AI融合经验：熟悉Spark/Flink等大数据技术栈及向量/图数据库，有LLM应用、RAG、Agent Memory或用户画像系统实战经验者优先，理解“语义+结构”双轨分离设计范式
数据资产与治理能力：对数据建模、元数据管理、质量治理有深入理解，能将隐私合规、安全审计等治理要求内化为产品化、自动化的技术能力
业务抽象与问题拆解力：具备敏锐的业务洞察力，能从海量行为数据中精准提炼用户意图与高价值事实，并将其转化为可落地的记忆模型与服务接口
前沿技术敏感度：对Agent Memory、认知智能、Memory OS等方向有浓厚兴趣，能快速跟进顶会论文与业界最佳实践（如Mem0、Agentic Memory），并在实际系统中验证创新方案
协作与推动力：责任心强，具备优秀的跨团队沟通与项目协调能力，能在多角色协同中清晰定义边界、推动共识并达成业务目标
学历背景：本科及以上学历，计算机、人工智能、数据科学或相关专业优先
工作职责
主导Agent记忆体系架构与核心能力建设：负责面向Agent消费的用户认知记忆服务整体规划，设计端到端生产链路及反馈闭环机制，推动数据资产从静态标签向可推理、可记忆的动态语义体系升级，保障记忆资产的准确性、时效性与智能迭代能力
与Agent应用及业务条线深度合作，通过实验验证或数据观测的方式，支撑记忆体系的设计决策与效果评估
深入理解Agent消费场景下的核心痛点，通过专题分析识别用户认知断层与资产升级机会点，驱动记忆服务持续优化
以“数据+算法+产品”三位一体方式赋能Agent生态，推动用户资产从静态标签向动态认知跃迁，助力业务实现智能化增长
优先资格
有LLM应用、RAG、Agent Memory或用户画像系统实战经验者优先
计算机、人工智能、数据科学或相关专业优先
AI 洞察
优缺点分析
优点
- 处于AI Agent与认知智能的最前沿，技术栈新颖，能积累稀缺的Agent Memory架构经验
- 依托海量用户数据与丰富的业务场景，有充足的资源验证创新方案，技术落地价值高
- Agent Memory属于前沿探索方向，缺乏成熟的业界标准，需要较强的自我驱动和论文跟进能力
- 跨团队协作要求高，需要与多个业务条线深度合作，沟通与推动共识的成本较大
- 适合具备扎实大数据与后端基础，对大模型及Agent技术有浓厚兴趣，且具备较强业务抽象能力的资深技术人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 纵向可发展为AI应用架构师或技术专家，深耕Agent Memory与认知智能领域
- 横向可向AI产品技术负责人或数据算法团队管理方向发展
- 负责Agent记忆体系的架构设计与核心能力建设，规划面向Agent消费的用户认知记忆服务
- 结合大数据与AI技术，推动数据资产向动态语义体系升级，支撑Agent应用的效果评估与持续优化
- 扎实的编程基础（Java/Python/SQL）与高并发复杂系统设计能力
- 熟悉大数据技术栈（Spark/Flink）及向量/图数据库，具备LLM、RAG或Agent Memory实战经验
- 具备数据建模、治理能力及敏锐的业务抽象与问题拆解能力
申请策略
- 提前了解阿里在Agent及大模型应用方面的最新产品动态，思考记忆体系在其中的切入点
- 重点突出高并发数据服务开发经验，以及Spark/Flink等大数据组件的实战项目
- 详细阐述在LLM应用、RAG、向量数据库或用户画像系统方面的具体贡献与技术难点解决
- 展示将复杂业务问题转化为数据模型或记忆服务接口的成功案例
- 深入学习Agent Memory、Memory OS等前沿论文及开源项目（如Mem0），构建理论体系
- 熟悉向量数据库与图数据库的底层原理及在RAG场景下的性能调优
面试指南
- 架构设计类：采用STAR法则，从业务痛点出发，阐述技术选型、核心模块设计、高可用/高并发保障措施及最终收益
- 前沿技术类：结合具体论文或开源项目（如Mem0），说明其核心思想，并对比自己项目中的改进点或落地难点
- 请分享一个你主导设计的高并发、高可靠数据服务架构，你是如何保障其稳定性的？
- 在RAG或Agent应用中，你是如何解决上下文记忆丢失或幻觉问题的？
- 如何将静态的用户标签转化为可推理的动态记忆体系？请谈谈你的设计思路
- 面对跨团队的合作需求，你如何定义边界并推动技术方案的落地？
- 复习并梳理过往项目中涉及的数据治理、元数据管理及高并发处理的技术细节
- 准备1-2个关于Agent Memory或认知智能的深度思考，展示对前沿技术的敏感度
职位点评
薪资福利85
成长发展90
工作生活50
使命价值80
薪资福利
85较高
职位属于核心AI研发方向，对技术深度要求高，结合杭州市场行情，薪资福利具备较强竞争力。
薪资信号未披露（AI估算：3千–6万/月）
成长发展
90较高
岗位聚焦Agent Memory与认知智能等前沿领域，要求跟进顶会论文，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Java、Python、SQL、Spark、Flink、向量数据库、图数据库、LLM、RAG、Agent Memory
成长机会跟进顶会论文与业界最佳实践
业务类型ambiguous
工作生活
50较低
JD未明确提及工作模式与加班情况，但作为核心AI研发岗，工作节奏可能较快。
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
80较高
致力于推动用户资产向动态认知跃迁，助力业务智能化增长，具有较强的技术使命感与行业前瞻性。
行业发展高速增长赛道
社会影响中性/一般
使命信号助力业务实现智能化增长、推动用户资产从静态标签向动态认知跃迁
创新程度积极采用新技术
Watch Jobs