Alibaba logo
阿里巴巴
诚云科技-算法工程师-融媒体

诚云科技-算法工程师-融媒体

发布于 1 小时前

普通员工/个人贡献者

AI 估算 · 3.5–6.5万 · AI 参考估算
中级经验
本科
全职员工仅现场办公AI算法
AI算法
Langgraph
Llamaindex
Mcp
Rag
Rerank
大模型应用
自动评测

值不值得投

78综合评分

综合评分 78

前沿Agent算法岗,技术成长强、落地要求高,WLB信息未披露

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

5.0万

比AI算法中位数高

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 5250 个在招 · 其中AI算法 约 120 个

市场机会

选择面较广

北京 · AI算法 · 约 290 个在招

职位详情

关于这个职位

该岗位面向个人智能助手、企业业务助手等 Agent 产品,负责核心算法设计、效果优化和业务落地

重点围绕任务规划、推理决策、工具调用、RAG 知识增强、自动评测与反馈闭环,提升复杂任务完成率、执行可靠性和用户体验

最低要求

计算机、人工智能、数学、统计学等相关专业,本科及以上学历,具备扎实的机器学习、自然语言处理及大模型应用基础

具备完整的业务 Agent 项目经验,能够基于任务轨迹、自动评测或反馈数据优化 Agent 策略与工作流,理解 RSI 的适用条件、应用边界及业务风险
熟练使用 Python,了解 LangGraph、LlamaIndex 等 Agent 开发框架,熟悉工具调用、MCP 及业务系统集成方式
熟悉 RAG、Embedding、Rerank 等知识增强技术,具备业务数据构建、评测集设计、实验分析及持续优化能力
具备业务 Agent 的离线评测、回归验证及灰度发布实践,了解任务轨迹回放、工具权限控制、人工接管和版本回滚机制
具备良好的问题拆解、工程协作及项目推进能力,能够对业务任务完成率、执行稳定性和线上效果负责

工作职责

负责业务 Agent 核心算法设计与优化,围绕任务规划、推理决策、工具调用及业务工作流,提升复杂任务完成率与执行可靠性

建设面向业务 Agent 的自我改进机制,探索递归自我改进的应用路径,基于任务轨迹、自动评测和反馈数据,持续优化提示词、执行策略、工具调用及工作流
结合业务场景开展数据构建、知识增强和 Bad Case 归因,完善业务评测集与实验验证体系,提升回答准确性、事实一致性与指令遵循能力
协同产品、工程及业务团队推进上线与持续迭代,建立离线回归、灰度验证、效果监控、人工接管及版本回滚机制,兼顾业务效果、运行安全与调用成本

优先资格

加分项

有高质量论文、开源项目、技术成果或知名算法竞赛获奖经历
有 LoRA、强化学习、反馈学习或自动数据构造相关项目经验
有复杂业务 Agent、多 Agent 协作或企业级大模型项目的生产环境落地经验

AI 洞察

优缺点分析

优点

  • 岗位聚焦大模型 Agent 与业务落地,技术方向前沿,能够积累任务规划、工具调用、RAG 和自动评测等实战经验
  • 工作内容覆盖算法设计、数据构建、评测验证和上线迭代,成长链条完整,有利于形成端到端落地能力
  • 与产品、工程和业务团队协同,有机会直接看到算法效果对业务任务完成率和用户体验的改善
  • JD 明确关注安全可控、人工接管、版本回滚和调用成本,有助于建立生产级 Agent 系统工程意识
  • 业务 Agent 场景复杂,任务规划、工具调用和事实一致性都容易出现不稳定问题,对问题拆解和实验设计能力要求高
  • 大模型与 Agent 领域变化快,需要持续跟进 LangGraph、LlamaIndex、MCP、反馈学习等新技术和框架
  • 适合具备大模型应用或 NLP 算法经验、希望深入业务 Agent 生产落地的算法工程师,尤其适合既能做实验分析又能与工程团队协作推进上线的人

缺点 / 挑战

  • 需要兼顾效果、安全、成本和线上稳定性,不能只追求单点指标提升,工程落地复杂度较高

角色解读

  • 可沿着大模型应用算法专家方向发展,深耕 Agent 规划、工具调用、自动评测、反馈学习和自我改进机制
  • 可成长为业务大模型落地负责人,负责复杂业务场景的 Agent 架构设计、评测体系建设和生产环境迭代
  • 后续也可向技术管理或多 Agent 系统架构方向演进,统筹算法、工程、产品和业务团队协同推进
  • 设计并优化业务 Agent 的核心算法,包括任务规划、推理决策、工具调用和业务工作流编排,目标是提升复杂任务完成率
  • 建设基于任务轨迹、自动评测和用户反馈的自我改进机制,持续优化提示词、执行策略、工具调用链路和工作流
  • 围绕业务场景进行数据构建、知识增强和 Bad Case 归因,设计评测集并开展实验验证,提升回答准确性和事实一致性
  • 与产品、工程和业务团队协作推进上线,建立离线回归、灰度验证、效果监控、人工接管和版本回滚机制
  • 需要扎实的机器学习、自然语言处理和大模型应用基础,理解 Agent 的任务规划、推理和工具调用机制
  • 需要熟练使用 Python,并了解 LangGraph、LlamaIndex、MCP 等 Agent 开发与集成相关技术
  • 需要掌握 RAG、Embedding、Rerank 等知识增强技术,具备数据构建、评测集设计和实验分析能力
  • 需要具备工程协作和项目推进能力,能对线上效果、执行稳定性、运行安全和调用成本负责

申请策略

  • 面试前梳理目标岗位所在业务场景,思考个人智能助手或企业业务助手中复杂任务如何拆解、评测和优化
  • 准备一个完整的 Agent 落地案例,重点说明问题定义、数据建设、策略优化、评测验证、上线监控和回滚机制
  • 重点突出完整业务 Agent 项目经历,包括任务规划、工具调用、工作流编排、自动评测和线上迭代效果
  • 量化呈现成果,如任务完成率提升、Bad Case 减少、事实一致性改善、调用成本下降或灰度验证效果
  • 突出 Python、LangGraph、LlamaIndex、MCP、RAG、Embedding、Rerank 等技术栈的实际使用经验
  • 强调离线回归、灰度发布、人工接管、版本回滚和权限控制等生产环境经验,体现工程落地能力
  • 提前准备 Agent 自动评测体系设计能力,包括评测集构建、任务轨迹回放、Bad Case 归因和指标拆解
  • 补充或强化 LangGraph、LlamaIndex、MCP 工具调用与业务系统集成实践,能够讲清楚架构设计和失败处理机制

面试指南

  • 项目类问题按「业务背景—技术难点—方案设计—实验验证—线上结果—复盘改进」展开,尽量用指标说明效果
  • 技术方案类问题按「问题定义—指标体系—数据/评测集—基线方法—优化策略—风险控制」回答,体现闭环思维
  • 线上落地类问题重点讲清安全可控、权限控制、监控告警、人工接管、版本回滚和成本权衡,展示生产级意识
  • 请介绍一个你完整参与的业务 Agent 项目,包括任务规划、工具调用、评测体系和上线效果
  • 如何设计一个面向业务 Agent 的自动评测体系?如何衡量任务完成率、事实一致性和指令遵循能力?
  • 当 Agent 出现工具调用错误或任务执行不稳定时,你会如何做 Bad Case 归因和优化?
  • RAG、Embedding、Rerank 在业务知识增强中分别解决什么问题?如何评估检索和生成效果?
  • 在上线业务 Agent 时,如何设计离线回归、灰度验证、人工接管和版本回滚机制?

职位点评

薪资福利82
成长发展92
工作生活55
使命价值76

薪资福利

82较高

JD未披露薪资与福利信息,但岗位属于北京大模型Agent算法方向,技能门槛较高,通常对重视薪酬竞争力的求职者有较好吸引力。

薪资信号未披露(AI估算:3.5千–6.5万/月)

成长发展

92较高

岗位明确涉及Agent核心算法、递归自我改进、RAG知识增强、自动评测和生产落地,技术成长空间大,且与产品工程业务团队协作有利于提升端到端能力。

技术前沿前沿/新兴技术
技术栈Agent、大模型、LangGraph、LlamaIndex、MCP、RAG、Embedding、Rerank、LoRA、强化学习、反馈学习、自动数据构造
业务类型ambiguous

工作生活

55较低

JD仅明确地点为北京,未提及远程、弹性办公、双休或加班情况;同时岗位职责包含上线迭代、效果监控和版本回滚等生产保障内容,工作节奏需面试确认。

工作模式未明确
办公地点未明确
加班情况未提及(无法判断)

使命价值

76中等

岗位围绕个人智能助手、企业业务助手等Agent产品,提升任务完成率、执行可靠性和用户体验,具有较强技术应用价值,但JD未直接表达社会使命或公共价值导向。

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