
阿里巴巴
业务技术-Agent平台研发工程师-杭州
业务技术-Agent平台研发工程师-杭州
发布于 1 小时前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Agent Infra
Ai Agent
Java/Go/Python
Llm
Mcp/A2A
Rag
Sft
强化学习
值不值得投
79综合评分
综合评分 79
杭州 AI Agent 平台研发岗,前沿技术密集、成长性强,办公模式与 WLB 未明确
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
杭州 · AI算法 · 约 130 个在招
职位详情
关于这个职位
该岗位面向淘天集团业务技术场景,负责 AI Agent 基础平台、开发套件及模型评估体系建设
你将参与 Agent Infra 架构设计与实现,结合 RAG、工具调用、MCP/A2A、SFT、RL 等技术提升 Agent 性能,并支持业务团队快速落地 AI 原生应用
最低要求
计算机相关专业本科及以上学历,3 年以上研发经验
具备 LLM 工程化项目经验
扎实的计算机科学基础,至少精通 Java / Go / Python 之一
能使用多种语言完成跨平台开发
对大模型技术原理与应用有深入理解
具备 Agent 系统设计、Memory、RAG、工具调用、MCP/A2A 协议、规划执行等关键技术实践经验
熟悉云基础产品与服务架构
有云+AI 项目经验,能主导技术项目落地
对 AI 原生应用充满热情,能快速学习前沿技术
善于发现并解决问题,具备良好的团队协作与沟通能力
工作职责
负责 AI Agent 基础平台(Agent Infra)的设计与实现,确保系统稳定、可扩展
参与 AI Agent 开发套件与相关产品的研发,支持业务团队进行快速迭代
与产品、业务团队密切协作,识别场景需求与痛点,并给出技术方案及架构优化建议
负责 Agent 优化链路与模型评估体系,利用 Context Engineering、SFT、RL 等算法提升 Agent 性能
跟踪 AI Agent 生态技术发展,评估并引入前沿技术(如 LLM、MCP/A2A 协议),保持平台技术领先
优先资格
具备强化学习、规划算法实践经验者优先
熟悉 CI/CD、K8s、Serverless 等云原生技术
LLM Agent 落地经验(PE、RAG、多模态 Agent 等)优先
大模型训练、部署、推理加速(DeepSpeed, sglang, vllm 等)或蒸馏经验优先
AI 洞察
优缺点分析
优点
- 岗位处于 AI Agent 与大模型工程化结合的前沿方向,技术积累具有较强迁移价值
- 平台型项目能接触业务团队、模型能力、工程架构和评估体系,视野比单一应用开发更完整
- JD 明确涉及 MCP/A2A、SFT、RL、推理加速等前沿主题,适合希望深入 Agent 技术栈的工程师
- 淘天集团业务场景复杂,有助于积累大规模电商业务下的 AI 应用落地经验
- 适合有三年以上研发经验、希望从传统后端或平台工程转向大模型 Agent 基础设施的工程师
- 尤其适合既懂工程架构,又愿意深入模型应用、评估和业务场景的人
缺点 / 挑战
- Agent Infra 同时要求系统稳定性、模型效果评估和业务快速迭代,技术复杂度较高
- 需要持续跟踪前沿技术并快速转化,对学习速度和工程判断力要求较高
- 平台团队需要频繁与产品、业务团队协作,沟通成本和跨团队推进难度可能较高
角色解读
- 可向 AI Agent 平台架构师方向发展,负责更大规模 Agent Infra、工具链和模型服务体系建设
- 可向大模型应用技术专家方向发展,深耕 RAG、规划执行、多模态 Agent、推理加速和模型评估
- 长期也可转向技术管理,带领平台研发团队支撑多条业务线的 AI 原生应用建设
- 设计和实现 AI Agent 基础平台,重点保障平台稳定性、扩展性和业务可复用性
- 研发 Agent 开发套件与相关产品,让业务团队能更快构建、调试和迭代智能体应用
- 搭建 Agent 优化链路和模型评估体系,通过 Context Engineering、SFT、RL 等方式持续提升效果
- 跟踪 LLM、MCP/A2A、多模态 Agent 等技术生态,评估并引入适合业务场景的新能力
- 需要扎实的后端研发能力,至少精通 Java、Go、Python 之一,并能进行跨平台开发
- 需要理解大模型应用原理,具备 Agent 系统设计、Memory、RAG、工具调用、规划执行等实践经验
- 需要熟悉云基础产品与服务架构,具备云原生技术栈经验,如 CI/CD、K8s、Serverless
- 需要良好的业务理解和协作能力,能把产品与业务痛点转化为技术方案并推动落地
申请策略
- 面试前重点了解淘天业务场景中的 AI 应用机会,思考 Agent 平台如何支撑电商经营、客服、运营或搜索推荐类需求
- 准备一个完整的 Agent 或 LLM 工程项目案例,能从架构、模型效果、工程稳定性和业务收益四个角度讲清楚
- 突出 LLM 工程化项目经历,包括模型接入、Prompt/Context 设计、RAG、工具调用、Agent 编排或评估体系建设
- 突出高并发、可扩展系统设计经验,尤其是 Java/Go/Python 后端服务、微服务架构、K8s、Serverless 或 CI/CD 实践
- 用量化结果展示项目价值,例如响应时延下降、评估准确率提升、业务迭代周期缩短或平台复用团队数量
- 强调跨团队协作经历,说明你如何把业务需求转化为技术方案并推动落地
- 补齐 Agent 核心技术栈,重点准备 RAG、Memory、工具调用、规划执行、MCP/A2A 协议和 Agent 评估方法
- 熟悉大模型训练、部署和推理加速相关工具,如 DeepSpeed、sglang、vLLM,以及 SFT、RL 的基本流程
面试指南
- 架构类问题按「业务目标—核心模块—关键链路—稳定性与扩展—监控评估」展开,避免只讲技术名词
- 项目类问题用 STAR 框架,重点说明问题背景、你的职责、技术决策依据、量化结果和复盘
- 效果优化类问题按「数据/上下文—检索与工具—模型与策略—评估闭环—线上反馈」分层回答
- 你如何设计一个可扩展的 Agent Infra 平台?请说明核心模块、调用链路和稳定性保障方案
- 在 RAG、Memory、工具调用和规划执行中,你遇到过哪些关键问题?如何评估和提升效果?
- 请介绍一个你主导或深度参与的 LLM 工程化项目,包括技术选型、难点和最终收益
- 你如何理解 MCP/A2A 协议在 Agent 生态中的价值?在实际系统中如何落地?
- 如果业务团队反馈 Agent 效果不稳定,你会如何定位问题并建立评估体系?
职位点评
薪资福利82
成长发展92
工作生活55
使命价值78
薪资福利
82较高
JD 未披露薪资与福利信息,但岗位要求三年以上研发经验、LLM 工程化和平台架构能力,通常对应较高技能溢价。稳定性与福利信息未提及,无法进一步判断。
薪资信号未披露(AI估算:3.5千–6.0万/月)
成长发展
92较高
岗位明确涉及 Agent Infra、LLM、MCP/A2A、Context Engineering、SFT、RL、推理加速等前沿技术,成长空间强。JD 还强调跟踪生态技术并引入前沿能力,对技术成长非常有利。
技术前沿前沿/新兴技术
技术栈AI Agent、Agent Infra、LLM、MCP/A2A、Context Engineering、SFT、RL、RAG、Memory、DeepSpeed、sglang、vllm、K8s、Serverless
成长机会跟踪 AI Agent 生态技术发展、评估并引入前沿技术、保持平台技术领先
业务类型ambiguous
工作生活
55较低
JD 仅明确地点为杭州,未提及远程、弹性、双休或加班信息,因此生活化动机只能基于地点信息做有限判断。办公模式与工作节奏均需面试时确认。
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
78中等
岗位聚焦 AI Agent 平台和大模型应用落地,具有较强的技术探索和业务创新价值。JD 未直接描述社会使命或公共价值,意义感主要来自前沿技术建设和业务场景赋能。
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