阿里巴巴
阿里健康-AI前线部署工程师（HR-FDE）-杭州
阿里健康-AI前线部署工程师（HR-FDE）-杭州
发布于 1 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
Claude Code
Llm
Prompt Engineering
Rag
值不值得投
75综合评分
综合评分 75
前沿AI技术栈、核心产研岗位、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
4.3万
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 2910 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
该职位负责将AI产品构思转化为可实施的技术方案，深入业务场景设计AI原生系统架构并实现Agent核心模块
你需要搭建RAG知识库与交互环境，优化大模型召回与推理策略，推动AI能力从单点验证走向规模化落地
最低要求
计算机科学、软件工程、人工智能相关专业优先
AI编程工具重度玩家：Cursor、Claude code等AI编程工具重度或顶级玩家，具备极强的Prompt编写与调优能力，有过完整的项目级开发经验，理解如何让AI写出生产级代码
大模型能力理解与掌握：理解主流LLM的能力与局限，能够清晰拆解任务并通过LLM或确定性逻辑兜底实现
熟悉主流大模型的应用范式(Context Engineering、Prompt Engineering、Agent、工具/函数调用等等)及主流Agent框架(如LangChain等)，具备大模型幻觉、Prompt注入等风险的工程化应对思路
扎实的代码和工程能力：具备扎实的计算机基础知识，深入理解数据结构、算法、网络和操作系统等相关知识，能至少在一种主流编程语言（如 Java / Python / JS 等）上有深度的实践经验，掌握常见工程实践并具备优秀的Coding 能力，能够根据场景灵活选型并快速上手
具备较好的跨团队协作与推动能力
工作职责
需求理解：深入业务场景，将高价值场景转化为明确的技术和AI解决目标、交付范围和验收条件，梳理系统、数据、权限及协作依赖，提出分阶段实施方案
架构设计：面向具体需求，设计 AI 原生系统架构
参与 Agent 系统核心模块的规划，包括记忆管理、推理策略与工具编排，兼顾架构的灵活性、可扩展性与工程可落地性
知识和环境构建：搭建AI产品与现有业务系统的交互环境，涵盖 API 接入、RAG 知识库构建、记忆方案设计
持续优化召回质量与上下文注入策略，为模型提供准确、及时的执行环境与知识支撑
核心能力实现：负责AI产品关键模块的工程落地，实现意图识别、任务拆解与反思纠错闭环
封装标准化SDK/API服务，构建Agent观测体系，实现全链路追踪与多维归因分析
系统迭代：建立搭建自动化评测与回测机制，通过调优与Case分析不断收敛效果与性能提升的最优路径
沉淀方法论与可复用组件，推动 AI 能力从单点验证走向规模化落地
性能优化：优化高并发场景下的系统性能，通过异步处理与降级策略保障稳定性，通过低侵入性观测手段保障系统的长期稳定运行
优先资格
在AI初创公司担任早期工程师，并从0到1推进产品落地
AI 洞察
优缺点分析
优点
- 处于AI大模型与Agent应用落地的最前沿，能接触到最新的AI编程工具与大模型技术栈
- 依托丰富的业务场景与数据资源，有利于推动AI技术从单点验证走向规模化落地
- 大模型技术迭代极快，需要持续保持高强度的学习以跟进最新范式与框架
- 适合对AI大模型应用有浓厚兴趣，具备扎实工程能力且渴望在Agent架构与AI工程化方向深耕的技术人才
缺点 / 挑战
- 岗位核心度高，直接支撑HR AI产品建设，业务价值与技术挑战并存
- AI产品落地过程中可能面临模型幻觉、性能瓶颈等工程化难题，需要较强的排错与优化能力
角色解读
- 在AI大模型应用落地的最前沿积累实战经验，成为AI工程化与Agent架构领域的专家
- 未来可向AI架构师、AI技术负责人或AI产品技术总监等方向发展
- 深入业务场景，将AI产品构思转化为可实施的技术方案，设计AI原生系统架构
- 负责Agent系统核心模块规划与工程落地，包括记忆管理、推理策略、RAG知识库构建及API接入
- 建立自动化评测与回测机制，优化高并发场景下的系统性能，推动AI能力规模化落地
- 精通主流大模型应用范式（如Prompt Engineering、Agent、工具调用）及主流Agent框架（如LangChain）
- 熟练使用Cursor、Claude code等AI编程工具，具备极强的Prompt编写与调优能力
- 扎实的计算机基础与代码工程能力，精通至少一种主流编程语言（Java/Python/JS），熟悉数据结构与算法
申请策略
- 了解阿里健康在HR AI产品方面的业务布局，思考AI如何赋能人力资源场景
- 准备一些关于大模型幻觉处理、Prompt注入防范的工程化应对思路
- 重点突出在AI编程工具（如Cursor、Claude code）上的深度使用经验及项目级开发成果
- 详细展示大模型应用范式（Agent、RAG、Prompt Engineering）的实际落地项目，特别是解决幻觉或性能优化的案例
- 强调扎实的代码能力与系统架构设计经验，体现从0到1推进产品落地的能力
- 深入学习LangChain等主流Agent框架，掌握Context Engineering与记忆管理方案
- 提升高并发场景下的系统性能优化能力，熟悉异步处理与降级策略
面试指南
- STAR法则：针对项目经验问题，按照情境、任务、行动、结果的框架清晰阐述
- 问题-方案-收益：针对技术难点（如幻觉、性能），先说明遇到的具体问题，再阐述技术方案，最后量化收益
- 请分享一个你使用Cursor或Claude code等AI编程工具从0到1完成项目级开发的经验
- 在构建RAG知识库或Agent系统时，你是如何优化召回质量与上下文注入策略的？
- 面对大模型幻觉或Prompt注入风险，你在工程上采取了哪些具体的应对思路？
- 请描述你设计过的一个AI原生系统架构，如何兼顾灵活性与工程可落地性？
- 在高并发场景下，你如何通过异步处理与降级策略保障AI系统的稳定性？
- 复习主流大模型应用范式及Agent框架的核心原理，准备实际项目中的代码或架构图
职位点评
薪资福利85
成长发展90
工作生活40
使命价值70
薪资福利
85较高
该岗位属于AI大模型应用开发的核心技术岗，市场需求大，薪资具备较强竞争力，整体薪酬福利体系完善。
薪资信号未披露（AI估算：3千–5.5万/月）
成长发展
90较高
岗位处于AI大模型与Agent应用落地的最前沿，技术栈新颖，能接触到最新的AI编程工具与大模型技术，个人技术成长空间极大。
技术前沿前沿/新兴技术
技术栈Cursor、Claude code、LLM、Agent、LangChain、RAG、Prompt Engineering、Context Engineering
业务类型cost_center
工作生活
40较低
JD中未明确提及工作模式与加班情况，但岗位职责涉及高并发系统优化与持续迭代，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
70中等
通过AI技术赋能HR业务，提升组织效能，具有一定的内部社会价值，同时处于高速增长的人工智能赛道。
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