阿里巴巴
阿里云智能-媒体处理研发专家（AI 方向）-北京/杭州
阿里云智能-媒体处理研发专家（AI 方向）-北京/杭州
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后端开发
后端开发
Ffmpeg
Go
Llm
Rag
音视频处理
值不值得投
78综合评分
综合评分 78
阿里云核心媒体处理研发岗，技术栈前沿且极具挑战，薪资竞争力强，适合追求技术成长的高级后端与AI工程化人才。
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
6万
比后端开发中位数高
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 3480 个在招 · 其中后端开发 93 个
市场机会
选择面较广
杭州 · 后端开发 · 约 190 个在招
职位详情
关于这个职位
该职位负责阿里云媒体处理核心系统的架构设计与研发，结合AI技术（Agent、RAG）提升媒体处理效果与效率
你需要具备扎实的后端开发与音视频处理经验，并探索大模型在智能运维、自动化生产等场景的落地，支撑日均千万级任务的高并发处理
最低要求
基础素质：计算机相关专业，5年以上后端开发经验，其中至少2年媒体处理或音视频相关领域经验
具备极强的逻辑思维能力、责任心、学习能力以及抗压能力，拥有良好的沟通协作能力及跨团队推动力
核心技术栈：
编程语言：精通Java/Go/C++/Python中至少一门主流语言，具备深厚的编码功底，熟悉多线程、网络编程及内存管理
媒体处理领域：熟悉音视频基础知识（封装格式、编码标准H.264/H.265/H.266/AV1、码率控制、流媒体协议等）
有视频点播/直播系统、分布式媒体处理服务、转码集群业务层或智能媒资系统的开发经验
熟悉FFmpeg原理及应用，或有基于开源媒体处理框架进行二次开发的经验
了解转码增强（超分、窄带高清、画质修复、音频增强）等方向
分布式架构：精通微服务、缓存、消息队列、分布式数据库等中间件原理，有海量非结构化数据（视频文件）及元数据处理实战经验
云原生：熟悉Kubernetes、可观测体系，具备云原生环境下的系统设计与调优能力
AI应用能力：
大模型工程化：深刻理解主流LLM的能力边界，熟练掌握Context Engineering、Prompt Engineering、Function Calling等范式
AI工具链：是AI编程工具的重度玩家，擅长利用AI辅助进行系统设计与代码编写
具备将模糊的业务痛点转化为明确AI解决方案的能力
风险应对：具备大模型幻觉抑制、Prompt注入防御等安全工程化思路，能设计确定性逻辑兜底方案以保障业务稳定性
工作职责
媒体处理核心系统架构与研发：主导视频转码、截图、Meta、媒体工作流、切片打包等核心媒体处理能力的架构设计与持续优化，保障高并发、高可用、低成本
负责转码增强方向（超分辨率、窄带高清、画质修复、音频增强等）的技术探索与工程落地，结合AI提升媒体处理效果与效率
设计并优化大规模媒体处理任务调度、状态流转、数据一致性与资源利用率，支撑日均千万级媒体处理任务
负责媒体处理服务的稳定性建设，包括API 5XX治理、可观测性、容灾降级、自动化运维与灾难恢复预案，系统可用性目标99.9%以上
AI原生应用落地（Agent & RAG）：深入媒体处理业务场景，利用Agent技术拆解复杂业务需求，设计包含记忆管理、推理策略、工具调用的智能系统，实现媒体生产与运维的自动化闭环
搭建基于RAG的视频与媒体处理领域知识库，优化向量检索、召回质量及上下文注入策略，为大模型提供精准的编解码参数、业务规则等知识支撑，有效抑制模型幻觉
负责意图识别、步骤规划、反思纠错等Agent关键模块的工程化落地
封装标准化SDK/API，构建Agent观测体系，实现全链路追踪与多维效果归因
探索大模型在智能运维、自动化问题定位、智能文档生成、智能转码参数推荐等场景的落地
技术融合与效能提升：将传统媒体处理技术与大模型能力结合，探索基于自然语言指令的视频编辑、智能摘要、自动化质检、智能封面、内容审核等创新功能
作为AI编程工具重度用户（如Qoder、Cursor、通义灵码），通过高阶Prompt Engineering和自动化代码生成提升研发效率
建立自动化评测与回测机制，推动AI能力从单点验证走向规模化落地
前沿技术探索与团队影响：跟踪业界在多模态大模型、智能媒体生产、分布式计算、云原生方向的最新进展，将其转化为可落地的技术方案
每季度输出至少1篇高质量技术沉淀（架构设计文档、专利或技术博客），持续提升产品行业影响力
优先资格
有多智能体编排、RAG知识库、视频垂类大模型应用的完整落地经验者优先
熟悉阿里云百炼、通义千问、OpenAI、Claude等模型平台或模型能力
在GitHub上有高质量的音视频处理或AI相关开源项目，或有技术博客/社区影响力
有独立完成的个人Demo或创新小项目，展现出对新技术的敏锐度和审美追求
AI 洞察
优缺点分析
优点
- 接触日均千万级媒体处理任务，能积累海量高并发、高可用系统架构的实战经验
- 处于AI与音视频技术交叉的前沿领域，有机会将大模型能力落地到核心业务场景
- 依托阿里云的平台优势，能接触到业界领先的云原生与分布式计算技术
- 需要同时兼顾传统媒体处理底层技术与前沿AI大模型应用，技术栈跨度大，学习曲线陡峭
- 系统可用性目标高达99.9%以上，对稳定性建设和容灾降级能力要求极高
- 适合具备扎实后端与音视频基础，且对AI大模型工程化落地有浓厚兴趣和实战经验的高级技术人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 纵向可发展为媒体处理或AI应用方向的资深技术专家/架构师
- 横向可拓展至多模态大模型、智能媒体生产等前沿技术领域的技术负责人
- 负责阿里云媒体处理核心系统的架构设计与研发，保障高并发、高可用和低成本
- 结合AI技术（Agent、RAG）探索转码增强、智能运维等场景，实现媒体生产与运维的自动化闭环
- 利用大模型能力提升研发效能，推动AI能力从单点验证走向规模化落地
- 精通Java/Go/C++/Python等主流语言，具备深厚的后端编码功底与分布式架构设计能力
- 熟悉音视频基础知识及FFmpeg原理，有视频点播/直播或分布式媒体处理系统开发经验
- 掌握LLM工程化、Prompt Engineering、Agent/RAG落地等AI应用能力
申请策略
- 提前了解阿里云媒体处理（MPS）产品的核心功能与业务场景，思考大模型在其中的赋能点
- 准备一些关于高并发系统稳定性建设（如API 5XX治理、容灾降级）的实战案例
- 突出在分布式媒体处理、音视频转码或高并发系统架构方面的核心项目经验与性能优化成果
- 详细展示在Agent、RAG或大模型工程化落地方面的具体实践，如幻觉抑制、工具调用等
- 强调使用AI编程工具提升研发效率的实际案例，以及相关的开源项目或技术博客
- 深入学习多智能体编排、RAG知识库构建及大模型安全工程化（如Prompt注入防御）等前沿技术
- 熟悉阿里云百炼、通义千问等模型平台，或OpenAI/Claude的API调用与微调技术
面试指南
- 架构设计类：采用STAR法则，重点阐述业务痛点、架构选型、高并发/高可用解决方案及最终收益
- AI落地类：从业务场景出发，说明Prompt设计、RAG检索优化、Agent工具调用链路，以及如何通过确定性逻辑兜底保障稳定性
- 请描述一个你主导的高并发媒体处理系统架构设计，如何保障99.9%以上的可用性？
- 在Agent或RAG落地过程中，你是如何抑制大模型幻觉并保证业务确定性的？
- 结合音视频处理场景，谈谈如何利用大模型实现智能转码参数推荐或自动化质检？
- 你平时如何使用AI编程工具提升效率？有没有建立自动化评测与回测机制的经验？
- 复习音视频编解码标准（H.264/H.265/AV1）、流媒体协议及FFmpeg核心原理
- 准备1-2个将模糊业务痛点转化为AI解决方案的完整案例，突出Context Engineering和Function Calling的应用
职位点评
薪资福利85
成长发展90
工作生活50
使命价值75
薪资福利
85较高
该岗位属于高级研发专家级别，薪资水平处于市场高位，且具备完善的福利体系与较高的职业稳定性。
薪资信号未披露（AI估算：4.5千–7.5万/月）
成长发展
90较高
岗位涉及AI原生应用落地与前沿技术探索，技术栈极具前瞻性，且要求输出技术沉淀，成长空间广阔。
技术前沿前沿/新兴技术
技术栈Java、Go、C++、Python、FFmpeg、Kubernetes、LLM、Agent、RAG、H.264、H.265、AV1
成长机会每季度输出至少1篇高质量技术沉淀、持续提升产品行业影响力
业务类型ambiguous
工作生活
50较低
JD未明确提及办公模式与工时安排，工作节奏与WLB情况需进一步确认。
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
岗位致力于智能媒体生产与AI技术融合，推动媒体处理行业的智能化升级，具有一定的技术创新价值。
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