阿里巴巴
高德-AI应用开发工程师（车服业务）-信息研发
高德-AI应用开发工程师（车服业务）-信息研发
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
Llm
Prompt Engineering
Rag
Spring Cloud
值不值得投
81综合评分
综合评分 81
阿里核心AI研发岗，技术栈前沿，成长空间巨大，适合追求技术极客精神的开发者
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
4.8万
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 4240 个在招 · 其中人工智能 约 410 个
市场机会
选择面较广
北京 · 人工智能 · 约 710 个在招
职位详情
关于这个职位
该职位负责构建AI Native的车服业务技术架构，深入汽车服务全链路场景
核心工作包括规划Multi-Agent跨域协同架构、搭建AI原生应用（RAG/Agent工作流），以及攻克意图识别等关键模块的工程落地
同时需优化高并发系统性能，建立自动化评测机制，推动AI能力从验证走向规模化商业落地
最低要求
计算机、人工智能、软件工程等相关专业本科及以上学历，3年以上后端或全栈开发经验，精通java技术栈（Spring Cloud生态），同时具备至少1年以上AI应用生产级落地经验
AI编程工具重度玩家，熟练使用Cursor、Claude code、codex等AI编程工具，具备极强的Context/Prompt驾驭能力，有过完整的AI驱动的项目级开发经验，理解如何让AI写出高质量的生产级代码
熟悉当前主流的大模型能力，能根据LLM的能力与局限进行技术选型，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
具备扎实的代码和工程能力，熟练掌握计算机数据结构、算法、网络和操作系统等相关知识并有深度的实践经验，具备优秀的Coding 能力并有意愿在AI加持下实践全栈编程
具备较好的技术好奇心和学习能力，关注大模型和相关前沿技术的发展，能将行业的最新技术发展落地到日常工作和工程实践中
具备强烈的自驱力，能够主动探索边界，而不是等待被分配任务
工作职责
深入汽车服务的全链路场景，围绕具体业务需求规划广告、营销、交易等领域能力的建设，规划Multi-Agent在跨域、跨平台、跨技术栈下的整体架构设计和协同演进
负责AI原生应用架构的搭建与演进，涵盖上下文工程、RAG全链路优化、Agent工作流编排与多模态技术的融合应用
攻克Agent关键模块的工程落地，构建“意图识别->任务拆解->反思纠错”的自主闭环
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
搭建自动化评测与回测机制，通过BadCase归因分析与策略调优，持续收敛模型效果与推理成本的最优解
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
优化高并发场景下的系统性能，通过异步处理、语义缓存、智能路由与确定性降级策略，保障核心链路的高可用与长期稳定运行
AI 洞察
优缺点分析
优点
- 身处AI应用落地的最前沿，接触Multi-Agent、RAG等热门技术栈
- 依托阿里大厂平台，拥有海量真实业务场景和数据支撑
- 技术迭代极快，需要保持高强度的学习以跟上LLM发展
- 需解决AI应用中的幻觉、稳定性等工程难题，对系统架构要求极高
- 适合对AI应用有浓厚兴趣、具备扎实后端基础且渴望在新技术领域突破的资深工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 向AI架构师或技术专家方向发展，深耕AI Native应用落地，成为连接传统后端架构与新一代AI技术的复合型技术人才
- 负责将前沿AI技术（如Agent、RAG）应用于汽车服务全链路场景，搭建AI原生应用架构
- 精通Java后端开发，熟练掌握LLM应用范式（Prompt/Context Engineering）、Agent框架（LangChain）及AI编程工具
申请策略
- 准备具体的AI项目案例，重点阐述如何解决BadCase和优化推理成本
- 了解阿里车服业务背景，展现业务敏感度
- 突出AI项目落地经验，特别是使用AI工具提升开发效率的案例
- 展示对LLM应用范式的深刻理解及解决复杂工程问题的实战成果
- 深入学习LangChain/LlamaIndex等框架，掌握Agent工作流设计
- 强化Java高并发系统优化能力
面试指南
- 采用STAR法则（情境-任务-行动-结果）描述项目经历
- 针对技术问题，先阐述原理，再结合具体场景给出工程化解决方案，最后量化成果
- 请分享一个你使用AI工具（如Cursor/Copilot）大幅提升开发效率的具体案例
- 在设计Agent工作流时，如何处理大模型的幻觉和不确定性？
- 如何优化RAG系统的检索效果和响应速度？
- 在高并发场景下，如何保证AI服务的稳定性和低延迟？
- 复习Java并发编程和系统设计基础知识
- 梳理近期参与的AI相关项目，准备好技术细节和业务价值的回答素材
职位点评
薪资福利85
成长发展95
工作生活60
使命价值75
薪资福利
85较高
作为已上市的巨头企业，提供具有市场竞争力的薪酬福利和稳定的职业环境，满足补偿性动机。
薪资信号偏高 (3.5千–6.0万/月)
成长发展
95较高
职位聚焦AI Native前沿技术，提供极高的技术成长空间和行业视野，极大满足发展性动机。
技术前沿前沿/新兴技术
技术栈AI Agent、RAG、Prompt Engineering、LangChain、LLM、Multi-Agent
业务类型profit_center
工作生活
60中等
互联网大厂通常伴随一定的工作强度，但JD未明确提及加班文化，WLB表现取决于具体团队氛围。
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
通过AI技术改善汽车服务体验，提升行业效率，具有一定的社会价值和业务使命感。
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
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs