阿里巴巴
智能引擎-AI应用研发工程师-搜推广应用方向
智能引擎-AI应用研发工程师-搜推广应用方向
发布于 6 小时前普通员工/个人贡献者
全职员工仅现场办公推荐系统
推荐系统
Rag
分布式系统
大模型
性能优化
搜索推荐
架构设计
高并发
值不值得投
77综合评分
综合评分 77
核心搜推AI研发岗，前沿技术栈与高并发场景带来极佳的技术成长空间，薪资竞争力强，但业务压力较大。
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
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 2990 个在招 · 其中推荐系统 18 个
市场机会
选择适中
杭州 · 推荐系统 · 25 个在招
职位详情
关于这个职位
负责阿里核心搜索推荐场景的AI应用研发，涵盖召回、排序到在线服务的全链路落地，支撑百万级QPS
主导RAG检索增强服务与Agent应用的架构设计，结合大模型能力构建新一代应用范式
深入业务一线，将重复性建设沉淀为可复用框架，反哺平台化演进
最低要求
Java及计算机基础扎实，熟悉IO、多线程、Classloader、JIT、GC、异步化等原理
接受Java/Python双技术栈发展
具备高并发在线服务的性能优化与系统Debug/Profiling实战经验，熟悉分布式、缓存、消息队列等机制
熟悉常见设计模式，擅长从复杂业务中抽象领域模型，具备优秀的系统架构设计能力
对搜索推荐系统有体系化认知，理解召回/排序/重排的工程栈
有LLM应用开发经验，熟悉RAG管线（Embedding / Vector Search / Prompt 编排 / Rerank）或Agent框架（Function Calling、ReAct、多Agent协作等）
具备产品思维与Owner意识，善于在业务交付中发现技术杠杆点，推动方案落地并量化收益
不区分"业务开发"和"平台建设"的边界，以终为始
强协作与沟通能力，擅长跨团队推进大型项目
学习驱动力强，追求优雅代码，乐于跟踪和验证前沿技术
工作职责
负责核心搜索推荐场景的AI应用研发，涵盖召回、排序、特征工程到在线服务的全链路落地，在高并发业务框架设计与实现上持续打磨，支撑百万级QPS下的算法快速迭代与稳定交付
主导RAG检索增强服务的架构设计与产品化建设，结合大模型能力为搜推场景构建知识增强、语义理解与生成式召回等新一代应用范式
负责搜推领域Agent应用的开发与落地，包括多步推理编排、工具调用、记忆管理及与业务系统的深度集成，探索并验证Agent在搜索/推荐/广告等场景的实际价值
深入业务一线，从碎片化需求中抽象共性模式，将重复性建设沉淀为可复用的框架与平台能力，反哺TPP平台化演进——不预设边界
优先资格
有从0到1搭建AI应用并跑通业务闭环的经历者优先
有开源作品或技术分享者优先
AI 洞察
优缺点分析
优点
- 处于大模型与Agent技术落地最前沿，能积累稀缺的AI应用工程化经验
- 依托丰富的搜推业务场景，技术成果能直接产生巨大商业价值
- 需要跨越业务开发与平台建设的边界，对抽象能力和全局视野要求高
- 适合具备扎实后端基础、对大模型和Agent技术有热情，且希望在顶级高并发搜推场景中深耕的资深研发工程师
缺点 / 挑战
- 接触百万级QPS的顶级高并发场景，技术挑战与成长空间巨大
- 业务需求碎片化且迭代快，需要在高并发下保证系统稳定性，技术压力较大
角色解读
- 从核心业务研发向搜推AI架构师或技术专家发展
- 可深入大模型与Agent前沿技术，成为AI应用落地领域的领军人物
- 也可向技术管理或业务技术负责人方向转型
- 负责搜索推荐场景的AI应用全链路研发，支撑百万级QPS的高并发在线服务
- 主导RAG检索增强与Agent应用的架构设计，将大模型能力落地到实际业务中
- 深入业务一线抽象共性需求，沉淀可复用的框架与平台能力，反哺TPP平台化演进
- 扎实的Java/Python基础与高并发、分布式系统实战经验
- 熟悉LLM应用开发，掌握RAG管线或Agent框架
- 具备优秀的系统架构设计能力与搜推工程栈认知
申请策略
- 了解阿里搜推业务的最新技术动态，准备关于如何将AI技术转化为实际业务收益的思考
- 突出高并发在线服务的性能优化与系统Debug实战经验
- 详细展示RAG或Agent框架的开发经历及业务闭环成果
- 强调从复杂业务中抽象领域模型并沉淀为平台能力的案例
- 深入学习大模型应用开发，特别是RAG管线优化与多Agent协作机制
- 复习并巩固Java底层原理及分布式系统架构设计
面试指南
- 采用STAR法则，结合具体业务场景说明技术选型、架构设计、遇到的挑战及最终量化的业务收益
- 对于架构问题，从需求分析、核心模块设计、高可用/高并发保障、监控运维等维度全面展开
- 如何设计支撑百万级QPS的搜推在线服务架构？
- 在RAG管线中，如何优化Embedding和Rerank以提升检索准确率？
- 请分享一个你从0到1搭建AI应用并跑通业务闭环的案例
- 面对碎片化的业务需求，你如何抽象共性模式并沉淀为平台能力？
- 在Agent开发中，如何解决多步推理的幻觉问题和工具调用的稳定性？
- 准备2-3个自己主导的高并发或AI应用落地项目，深挖技术细节与踩坑经验
职位点评
薪资福利85
成长发展95
工作生活40
使命价值80
薪资福利
85较高
核心搜推AI岗位，薪资具备较强市场竞争力，但JD未明确披露具体薪资与福利细节。
薪资信号未披露（AI估算：3.5千–6.5万/月）
成长发展
95较高
岗位涉及大模型、RAG、Agent等前沿技术，且处于百万级QPS的顶级业务场景，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈Java、Python、RAG、Agent、LLM、Embedding、Vector Search、Function Calling、ReAct
成长机会不预设边界、反哺TPP平台化演进、乐于跟踪和验证前沿技术
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，且搜推核心业务通常伴随较高的业务压力与迭代节奏。
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
搜推与广告业务直接影响海量用户的消费体验，具有较高的商业价值与社会连接度，但JD未明确强调社会使命。
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