阿里巴巴
千问办公-AI研发工程师-AI业务产品
千问办公-AI研发工程师-AI业务产品
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Go
Mcp
上下文工程
任务编排
分布式系统
大模型
值不值得投
薪资怎么样
4.0万
比人工智能中位数高
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 4140 个在招 · 其中人工智能 约 410 个
市场机会
选择面较广
杭州 · 人工智能 · 约 470 个在招
职位详情
关于这个职位
该岗位隶属阿里集团千问办公业务，面向钉钉企业协同产品做 AI 能力落地，负责 AI 应用与 Agent 产品的技术研发和工程体系建设
你需要把大模型、数据与工具整合为可交付的产品能力，并通过上下文管理、任务编排与效果评估持续提升复杂任务的完成质量
最低要求
具备扎实的计算机基础与服务端工程能力，熟练掌握 Java、Python、Go、C++ 中至少一门语言，具备三年以上核心系统研发经验，熟悉分布式系统及高可用架构
具备 AI 应用或 Agent 的实际项目经验，理解大模型的能力边界，熟悉上下文工程、工具调用、MCP、任务编排等技术，能够结合业务场景完成技术选型与方案落地
理解 AI 系统的工程化挑战，认同 Harness Engineering 理念，能够通过执行环境设计、自动化测试、效果评估及反馈机制保障交付质量
熟悉 AI Native 的产品研发流程，能够将 AI 能力融入需求分析、方案设计、编码、测试及持续迭代，具备任务拆解、人机协作与质量验证能力
具备良好的业务理解与跨团队协作能力，能独立负责关键模块或项目
工作职责
参与钉钉企业协同产品与 AI 业务的研发，深入理解沟通协同及企业办公场景，推动产品体验创新与智能化升级
负责 AI 应用和 Agent 产品的技术落地，整合模型、数据与工具能力，将业务需求转化为可交付、可持续进化的产品
建设 AI 应用的工程体系，围绕上下文管理、任务编排、工具调用及效果评估，持续提升复杂任务的完成质量与执行效率
协同产品、算法及研发团队推进项目交付，探索前沿 AI 技术，通过业务效果与用户反馈驱动产品演进，沉淀可复用的技术能力
优先资格
有生产环境实践者优先（AI 系统工程化方向）
有 AI Native 产品研发流程相关项目实践者优先
有企业服务、协同办公产品经验者优先
AI 洞察
优缺点分析
优点
- 技术方向前沿：Agent、MCP、上下文工程、Harness Engineering 都是当前 AI 应用落地的核心命题，技能含金量高
- 场景真实复杂：面向企业协同办公，业务链路长、用户规模大，能同时锻炼工程能力与产品判断力
- 有从 0 到 1 建设 AI 应用工程体系的机会，容易沉淀方法论与个人影响力
- 与产品、算法团队紧密配合，可接触完整的 AI 产品研发链路，视野比单一模块开发更宽
- 大模型能力边界不确定，方案需要反复试错与评估，对工程抽象、实验设计与耐心都是考验
- 复合门槛高：既要求三年以上核心系统研发，也要求 AI 应用或 Agent 的实际项目经验
- 适合有扎实后端工程功底、并真实做过 AI 应用或 Agent 落地，希望在 To B 协同办公场景深耕 AI 工程的求职者
缺点 / 挑战
- 既要保证业务交付节奏，又要做前沿技术探索，任务拆解与优先级管理压力较大
角色解读
- 沿 AI 应用工程纵深发展，成长为 Agent 与大模型应用方向的架构型专家
- 随项目复杂度提升，可向技术负责人方向演进，带团队或主导跨团队项目
- 企业服务与协同办公是 AI 落地的主战场，这段经验可迁移到更广泛的 To B AI 产品领域
- 参与钉钉企业协同产品与 AI 业务研发，把沟通协同、企业办公场景中的需求转化为可用的智能化能力
- 负责 AI 应用与 Agent 产品技术落地，整合模型、数据与工具能力，把业务需求变成可交付、可持续迭代的产品
- 建设 AI 应用工程体系，围绕上下文管理、任务编排、工具调用和效果评估，提升复杂任务的完成质量
- 与产品、算法、研发团队协同交付，用业务效果和用户反馈驱动产品演进，沉淀可复用技术能力
- 扎实的服务端工程功底：Java/Python/Go/C++ 至少一门，三年以上核心系统研发经验，熟悉分布式与高可用架构
- AI 应用与 Agent 实战能力：理解大模型能力边界，熟悉上下文工程、工具调用、MCP、任务编排，能做技术选型与方案落地
- AI 系统工程化思维：执行环境设计、自动化测试、效果评估与反馈机制，认同 Harness Engineering 理念
- 熟悉 AI Native 研发流程，具备业务理解、任务拆解与跨团队协作能力
申请策略
- 提前体验千问办公与钉钉的 AI 功能，形成具体的使用反馈与改进思考，面试时更容易对上口径
- 表达上强调「业务效果」而非只讲技术栈，体现你用数据与用户反馈驱动迭代的意识
- 前置服务端核心系统经验：分布式架构、高可用设计、性能优化，用系统规模、QPS、稳定性指标量化成果
- 详写 AI 应用或 Agent 项目：业务场景、模型与框架选型、上下文与工具调用设计、上线后的效果指标
- 展示工程化闭环能力：评测集与自动化测试、线上反馈机制、badcase 归因与迭代，证明你能保障 AI 输出质量
- 若有企业服务、协同办公或 IM 类产品经验，务必显性呈现
- 补齐 Agent 工程实践：MCP、工具调用、任务编排、上下文管理，动手做一个端到端可演示的小项目
- 学习大模型效果评估方法，包括评测集构建、离线与在线评估、人工与自动评估结合
面试指南
- 讲项目用「业务问题—方案设计—落地结果—反思迭代」四段式，重点讲你个人的决策点与权衡
- 技术问题先说清约束与取舍理由，再讲实现细节，最后用指标或案例收尾
- 遇到开放题先澄清场景（用户、数据、时延、成本），再给分层方案与验证路径，体现工程判断力
- 请介绍一个你做过的 AI 应用或 Agent 项目，业务目标是什么，你负责哪部分，最终效果如何？
- 你如何做上下文管理与工具调用编排？遇到工具调用失败或模型输出不稳定时怎么处理？
- 你如何评估一个 AI 应用的效果？线上如何建立反馈与持续迭代的闭环？
- 在大模型能力边界内，你如何做技术选型（prompt、编排、微调、自研模型的取舍）？
- 如果要把 AI 能力接入企业协同办公场景，你会从哪个环节切入，为什么？
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs