阿里巴巴
业务技术-AI应用研发工程师-Agent 平台方向
业务技术-AI应用研发工程师-Agent 平台方向
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
Ai Agent
Python/Java
Rag
Workflow编排
上下文工程
大模型
平台工程
系统架构设计
Trace观测
值不值得投
79综合评分
综合评分 79
阿里核心AI研发岗、技术栈前沿、成长空间大、薪资竞争力强，但工作节奏较快
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
4.3万
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 3760 个在招 · 其中人工智能 约 380 个
市场机会
选择面较广
杭州 · 人工智能 · 约 450 个在招
职位详情
关于这个职位
负责淘天集团核心AI平台的研发，聚焦大模型与Agent技术的业务落地
主要工作包括Agent系统架构设计、上下文与知识环境构建、全链路观测Trace体系建设，以及自动化评测与性能优化
需将模糊业务需求转化为可执行的Agent任务，保障系统在真实生产环境中的稳定性、可控性与规模化应用
最低要求
计算机、软件工程、人工智能或相关专业背景，具备扎实的软件工程基础和系统设计能力
熟悉至少一种主流开发语言，如Java、Python、TypeScript / JavaScript、Go等，具备良好的编码能力、工程抽象能力和复杂系统实现经验
对大模型、AI Agent、工具调用、RAG、上下文工程、Workflow编排等方向有实际理解或项目经验
能够理解业务问题，并将模糊问题拆解为可执行、可验证、可迭代的技术方案
具备较强的问题定位和系统调优能力，能够基于数据、日志、Trace和case分析持续优化系统效果
具备良好的沟通协作能力，能够与产品、算法、工程、测试和业务团队共同推进复杂AI项目落地
对AI技术在真实业务和研发流程中的应用有强烈兴趣，愿意在不确定性较高的场景中持续探索和快速迭代
工作职责
需求理解与任务建模：深入业务与研发场景，理解真实业务目标、研发流程和协作痛点，识别高价值AI落地问题
将模糊的业务需求、研发诉求或效率问题，转化为明确的、可验证的Agent执行目标
Agent系统架构设计：面向具体业务和研发任务，设计AI Agent系统架构
参与Agent Runtime、Agent编排、工具调用、权限控制、上下文管理、记忆机制、Trace体系等核心模块规划，兼顾系统灵活性、可扩展性、稳定性与工程可落地性
知识、上下文与执行环境构建：搭建Agent与现有业务系统、研发工具链和知识体系的交互环境，涵盖API接入、代码仓库、文档系统、需求系统、CI/CD、测试平台、设计平台等
构建面向Agent执行的上下文组织与注入机制，优化知识召回、上下文压缩、工具选择和任务环境准备，为模型提供准确、及时、可追踪的执行环境
Trace、观测与归因体系建设：构建Agent全链路观测与Trace体系，记录Agent执行过程中的上下文输入、工具调用、文件变更、测试结果、人工干预、失败原因和最终产物
支持对Agent行为、任务效果、失败case、成本和性能进行多维分析与归因，为后续优化和规模化落地提供依据
评测、回测与持续优化：建立自动化评测、回测和case分析机制，围绕真实业务任务构建评测数据集、验证标准和效果指标
通过模型选择、上下文优化、工具链改造、Prompt / Skill调整、Workflow编排等方式，持续提升Agent的任务成功率、稳定性、可控性和交付质量
系统性能与稳定性优化：面向真实生产环境和高频场景，优化Agent系统在并发、延迟、成本、稳定性和安全性方面的表现，保障系统长期稳定运行
优先资格
有LangChain、LangGraph、Mastra等Agent框架实践经验，有从0到1的Agent设计或平台工程经验者优先
有RAG、向量检索、知识库、记忆系统、召回优化相关经验者优先
有开源项目、技术博客，持续你跟进并实践AI技术者优先
AI 洞察
优缺点分析
优点
- 技术栈高度前沿（Agent、大模型、平台工程），个人技术成长曲线陡峭，项目含金量极高
- 完善的内部技术分享与导师文化，利于积累高复杂度系统设计与优化的实战经验
- 业务迭代极快，需在高度不确定性的环境中快速试错、敏捷交付并应对频繁的需求变更
- 高强度研发节奏下，需具备极强的抗压能力、自我驱动力与复杂问题拆解能力
缺点 / 挑战
- 身处国内顶尖互联网大厂核心业务线，接触海量真实业务场景与顶级技术挑战
- 跨团队协作链条长，需平衡技术理想、系统稳定性与业务现实之间的资源与进度压力
- 适合热爱AI前沿技术、具备扎实工程基础、渴望在大厂核心业务线快速成长且能接受一定项目压力的开发者
角色解读
- 可向AI平台架构师或技术专家方向发展，主导更大规模的AI基础设施与底层平台建设
- 横向拓展至AI产品经理或业务技术负责人，统筹AI技术与商业场景的深度融合与商业化落地
- 长期可成长为前沿AI技术领域的领军人物，在智能体与自动化研发领域建立行业影响力
- 负责淘天核心AI Agent平台的架构设计与开发，将大模型能力深度集成到实际业务流中
- 搭建Agent运行环境、上下文管理与工具调用链路，确保模型能安全高效地执行复杂任务
- 构建全链路观测与自动化评测体系，持续优化Agent的成功率、可控性与系统稳定性
- 精通至少一门主流编程语言及复杂系统架构设计能力，具备扎实的工程落地经验
- 深入理解大模型原理、RAG、上下文工程及Agent框架，掌握复杂工作流编排技巧
- 具备系统性能调优、日志分析与自动化测试能力，能独立推进技术方案从验证到上线
- 拥有优秀的业务抽象与跨团队沟通能力，能将模糊需求转化为可执行的技术路径
申请策略
- 提前研究淘天集团近期AI布局与公开技术博客，展现对电商业务场景与AI结合点的深刻理解
- 准备1-2个完整的AI Agent落地案例，重点说明如何解决实际业务痛点及技术选型逻辑
- 突出Agent平台或大模型应用项目的完整落地经验，强调架构设计、性能优化与效果评测的具体成果
- 量化展示系统稳定性提升、成本降低或任务成功率提高的数据，体现工程抽象与问题解决能力
- 详细列出掌握的AI框架、工具链及工程化实践，匹配JD中的核心技术关键词
- 深入研读LangChain/LangGraph等主流Agent框架源码，掌握复杂工作流编排与状态管理机制
- 强化RAG系统优化、向量检索、上下文压缩与记忆系统的工程实践能力
- 补充分布式系统设计、高并发场景下的性能调优及全链路追踪（Trace）技术经验
面试指南
- 采用STAR法则结构化回答，清晰交代背景、任务、行动与可量化的结果
- 技术类问题先讲整体架构设计原则与边界条件，再深入关键模块的实现细节、踩坑经验与优化手段
- 业务类问题强调需求拆解方法论、数据驱动的验证闭环以及与多角色团队的协同机制
- 请描述一个你设计过的Agent系统架构，如何权衡灵活性、可扩展性与系统稳定性？
- 在RAG或上下文工程中遇到过哪些典型难题（如幻觉、延迟、上下文丢失），是如何解决的？
- 如何设计一套有效的自动化评测体系来评估Agent在真实业务场景中的成功率与可控性？
- 面对模糊的业务需求，你的拆解思路、技术验证路径与迭代策略是什么？
- 复习大模型基础原理、Agent核心组件（Memory、Planning、Tool Use）及主流框架特性
职位点评
薪资福利85
成长发展90
工作生活55
使命价值75
薪资福利
85较高
JD未披露具体薪资范围，结合岗位技术门槛与核心业务属性，薪酬预期具备较强市场竞争力，配套福利体系完善。
薪资信号未披露（AI估算：3.0千–5.5万/月）
成长发展
90较高
岗位聚焦AI Agent前沿技术，提供从0到1的平台建设机会，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈AI Agent、大模型、RAG、LangChain、上下文工程、Workflow编排
业务类型profit_center
工作生活
55较低
JD原文未明确提及弹性工时或加班政策，工作强度与WLB情况需以实际沟通为准，核心研发岗通常面临一定的业务交付节奏。
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
75中等
致力于推动AI技术在真实业务场景中的规模化落地，具有显著的技术创新价值与行业应用前景。
行业发展高速增长赛道
社会影响正向社会影响力较高
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