阿里巴巴
业务技术-AI Agent 应用开发工程师-千问办公电商
业务技术-AI Agent 应用开发工程师-千问办公电商
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公AI产品经理
AI产品经理
Ai Agent
Langgraph
Prompt Engineering
Rag
向量数据库
工作流设计
自动化评测
值不值得投
76综合评分
综合评分 76
阿里核心业务部AI Agent前沿技术岗，技术成长极佳，薪资优厚，但工作强度可能较大
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
4.5万
比AI产品经理中位数高
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 4140 个在招 · 其中AI产品经理 约 110 个
市场机会
选择面较广
杭州 · AI产品经理 · 约 140 个在招
职位详情
关于这个职位
负责千问办公电商场景下AI Agent应用的工作流设计与开发，利用LangGraph等框架实现多Agent协同与复杂任务拆解
需精通Python/Node.js及RAG技术，搭建应用级评测基座，通过Prompt工程优化大模型表现，并对接企业内部API与第三方工具，确保Agent在业务中的高可用性与稳定性
最低要求
应用开发能力：精通 Python 或 Node.js，有扎实的 Web 开发基础（如 FastAPI、Express），能够熟练进行 API 的设计、组装与调用
主流 Agent 框架实战：熟练掌握 LangGraph, AutoGen, LlamaIndex, Dify 或 Flowise 等至少一种主流 Agent/工作流开发框架，有实际落地的 Agent 项目经验
数据与 RAG 经验：熟悉向量数据库（如 Milvus, Pinecone, Chroma）的基本使用，掌握基础的 RAG（检索增强生成）优化技巧（如 Chunk 划分、混合检索、重排 Rerank）
敏捷的评测意识：理解软件测试的基本概念，能够根据业务目标编写自动化评测脚本，善于利用数据指标（而不仅凭直觉）来优化 Agent 的表现
业务理解与交付能力：具备极强的业务逻辑梳理能力，能将复杂的业务流程（如财务审批、自动客服、数据报表分析）翻译成 Agent 的标准操作程序（SOP）
工作职责
工作流设计与开发：利用主流 AI 框架设计高可用的 Agent 应用工作流（Workflow），实现多 Agent 协同、意图识别、复杂任务拆解（Planning）等上层应用逻辑
连接器与工具集成：快速对接企业内部 API、数据库、知识库（RAG）以及第三方工具（如钉钉、飞书、企业微信等），为 Agent 组装和赋予高效执行业务任务的“双手”（Tool Use）
应用级评测基座（Harness）搭建：构建面向业务场景的 Agent 效果评测与回归测试集，通过自动化脚本或框架模拟真实用户输入，对 Agent 的任务成功率、响应耗时、工具调用准确率进行定量评估
Prompt 工程与调优：深入理解业务，针对特定场景进行系统级 Prompt / System Prompt 优化，提升大模型在复杂、多步骤任务中的稳定性和对规范的遵循度
行为追踪与可观测性：引入全链路监控工具，捕获 Agent 的运行轨迹（Trajectory）、中间思考过程与报错，快速迭代和修复 Agent 在业务实际运行中的“翻车”场景
AI 洞察
优缺点分析
优点
- 处于AI Agent应用落地最前沿，技术栈新颖且具有高成长价值
- 依托阿里淘天集团庞大业务场景，数据丰富，落地机会多
- 接触业界主流Agent框架与工具链，积累稀缺的工程实践经验
- AI Agent领域技术迭代极快，需保持高强度的学习与适应能力
- 业务场景复杂，需处理大量边缘Case与稳定性问题，调试难度大
- 适合对AI Agent应用充满热情、具备扎实后端开发功底且喜欢解决复杂业务问题的工程师
缺点 / 挑战
- 评测体系搭建需要深厚的技术与业务理解力，初期可能面临标准缺失的挑战
角色解读
- 向AI应用架构师发展，主导复杂Agent系统的整体设计与落地
- 深入AI前沿领域，探索多模态Agent、自主智能体等新技术方向
- 转型AI产品经理或技术负责人，兼顾业务策略与技术实现
- 基于LangGraph等框架构建AI Agent工作流，实现多智能体协同与任务规划
- 集成企业内部API、知识库(RAG)及第三方工具，赋予Agent执行能力
- 搭建自动化评测体系，监控Agent性能并持续优化Prompt与系统逻辑
- 将复杂业务流程转化为Agent可执行的SOP，解决业务落地中的实际问题
- 精通Python/Node.js及Web开发框架(FastAPI/Express)
- 熟练掌握LangGraph、AutoGen、LlamaIndex等主流Agent框架
- 具备RAG技术实战经验，熟悉向量数据库及检索优化技巧
- 拥有Prompt工程能力及自动化测试脚本编写能力
申请策略
- 准备一个完整的Agent项目案例，重点阐述从需求分析到落地评测的全过程
- 关注阿里通义千问在办公电商领域的最新进展，展现对业务的理解
- 突出LangGraph/AutoGen等框架的实际项目经验，展示Agent协同与任务拆解案例
- 强调RAG优化成果，如检索准确率提升、响应速度优化等量化指标
- 展示自动化评测体系的搭建经验，体现对Agent稳定性与质量的把控能力
- 深入学习LangGraph的状态管理与节点编排机制
- 掌握Prompt Engineering的高级技巧，如CoT、ReAct等模式的应用
- 了解向量数据库的性能优化与大规模数据处理技巧
面试指南
- STAR法则：情境-任务-行动-结果，清晰阐述项目背景与个人贡献
- 技术深度：结合具体代码或架构图，解释关键技术选型与实现细节
- 业务视角：强调技术方案如何解决实际业务痛点，带来何种价值
- 请介绍一个你使用LangGraph或类似框架构建的Agent项目，遇到的最大挑战是什么？
- 如何设计一个高效的RAG系统来处理非结构化业务数据？
- 在Agent应用中，如何平衡模型的创造性与对业务规范的遵循度？
- 请描述你搭建的Agent评测体系，包含哪些关键指标？
- 复习LangGraph的核心概念与最佳实践
职位点评
薪资福利85
成长发展95
工作生活40
使命价值70
薪资福利
85较高
作为已上市巨头企业的核心业务部门岗位，提供具有市场竞争力的薪酬包及完善的福利体系，满足度高。
薪资信号偏高 (3.0千–6.0万/月)
成长发展
95较高
岗位聚焦AI Agent这一前沿技术领域，涉及多Agent协同、RAG优化等高难度技能，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈LangGraph、AutoGen、LlamaIndex、Dify、Flowise、RAG、向量数据库、Milvus、Pinecone、Chroma、Prompt Engineering
业务类型profit_center
工作生活
40较低
互联网大厂核心业务部门通常工作节奏较快，JD未提及弹性工作制或WLB相关福利，推测工作强度较高。
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技术赋能办公电商业务，提升效率与用户体验，具有一定的社会价值与行业影响力。
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