阿里巴巴
AI Agent应用研发&系统架构（搜索）-阿里星/A Star
AI Agent应用研发&系统架构（搜索）-阿里星/A Star
发布于 10 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
Go
Mcp
Rag
分布式系统
大模型
强化学习
搜索系统
值不值得投
82综合评分
综合评分 82
阿里星顶尖校招、薪资极高、处于AI Agent搜索最前沿，技术成长空间巨大但工作强度较高。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
4.5万
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 3000 个在招 · 其中人工智能 约 330 个
市场机会
选择面较广
杭州 · 人工智能 · 约 400 个在招
职位详情
关于这个职位
该职位是阿里巴巴“阿里星”顶尖校招项目，致力于研发面向AI Agent的下一代多模态、跨数据源搜索平台
你将参与搜索Agent的运行时编排、多模态检索层构建及强化学习训练优化，探索并定义全新的Agent检索范式，推动前沿技术在核心业务落地
最低要求
基础条件：2027届应届硕士/博士，计算机科学、人工智能等相关专业
具备以下任一突出成果：顶会论文一作、国际顶级竞赛冠军，或高Star开源项目核心维护者
系统架构深度：扎实的分布式系统理论基础，深入掌握操作系统内核、网络协议栈、存储引擎底层原理
精通Go/Python/Java/Rust至少一门系统级语言，具备大规模生产级系统的架构设计与性能优化经验
深入了解后端技术栈（微服务/API/消息队列/缓存），有云原生（K8s/CI/CD/Serverless）或安全隔离技术（Docker/Kata/gVisor）经验
AI Agent与搜索技术深度：深入理解大模型技术原理与前沿进展，在搜索/检索Agent、Agent核心组件（Memory/RAG/工具调用）或Agent协议与互操作（MCP/A2A）至少一个方向具备业界领先的深度
工作职责
面向 Agent 的搜索系统研发：参与设计与实现搜索 Agent 的运行时与编排框架
参与构建统一的多模态/跨数据源检索层
参与工具调用管道、记忆/证据服务与多 Agent 协调，并通过多种接入形态对外提供标准化检索能力
搜索智能与训练优化：探索基于强化学习/反馈学习的搜索 Agent 训练
研究面向 LLM 的上下文预计算、实时知识图谱/证据检索等技术，提升检索与推理效率
质量、可信与可观测：把可验证性与可追溯性做进系统
参与设计带权限的检索边界
参与长任务的检查点与故障恢复、语义化链路追踪与成本核算
技术探索与影响力：前瞻探索新的搜索形式，推动其在核心业务落地
鼓励将成果以论文、开源项目、技术分享的形式对外输出
优先资格
有基于搜索/检索Agent进行强化学习（search agent RL、tool-use RL、RAG优化等）的经验者尤佳
AI 洞察
优缺点分析
优点
- 依托阿里顶尖校招项目“阿里星”，拥有极高的起点与资源支持
- 鼓励论文发表与开源贡献，有利于建立个人行业影响力
- Agent搜索属于全新探索领域，技术路线与产品形态存在不确定性，需要极强的探索与抗压能力
- 适合拥有顶尖学术成果或开源贡献，对AI Agent与分布式系统架构有浓厚兴趣，且具备极强自驱力与探索精神的应届硕博人才
缺点 / 挑战
- 接触Agent时代最前沿的搜索范式与大规模分布式系统，技术挑战与成长空间巨大
- 岗位要求极高，需同时具备深厚的系统架构底层功底与前沿AI大模型算法能力，学习与工作压力较大
角色解读
- 作为阿里星顶尖人才，入职即参与核心前沿项目，快速成长为AI搜索与Agent架构领域的技术专家
- 未来可向AI基础架构技术Leader或首席科学家方向发展，在学术界与工业界均具有极高影响力
- 研发面向AI Agent的下一代多模态、跨数据源搜索平台，设计Agent运行时编排框架与检索层
- 探索基于强化学习的搜索Agent训练，优化大模型上下文预计算与知识图谱检索效率
- 构建可验证、可追溯的搜索系统，确保结果的可审计性与安全性
- 扎实的分布式系统与底层原理（OS/网络/存储）基础，精通Go/Python/Java/Rust等系统级语言
- 深入理解大模型技术，在搜索Agent、RAG、Memory或MCP/A2A协议等方向有深厚积累
- 具备顶会论文、顶级竞赛或高Star开源项目等突出技术成果
申请策略
- 阿里星项目竞争极其激烈，建议提前了解阿里搜索与AI团队的核心技术博客或开源项目，在面试中展现对Agent时代搜索范式的独到见解
- 重点突出顶会论文一作、国际竞赛冠军或高Star开源项目的核心贡献，展示在AI或系统领域的顶尖实力
- 详细阐述在分布式系统底层优化、大模型应用（如RAG、Agent编排）方面的实际落地经验或深度研究
- 深入学习MCP/A2A等Agent互操作协议，以及强化学习在搜索Agent中的应用
- 熟悉云原生架构与安全隔离技术，提升大规模生产级系统的架构设计能力
面试指南
- 采用“背景-挑战-方案-结果”的STAR法则回答系统设计问题，突出对底层原理的理解与权衡
- 对于前沿探索问题，先阐述业界主流方案，再提出自己的创新思考与改进思路，展现技术深度与广度
- 如何设计一个支持多模态、跨数据源的Agent搜索运行时编排框架？
- 在搜索Agent中，如何设计强化学习的奖励信号以提升检索决策与工具使用能力？
- 请分享一个你主导的大规模分布式系统架构设计或性能优化的案例
- 针对大模型的上下文预计算与实时知识图谱检索，有哪些提升效率的技术方案？
- 如何保证Agent搜索系统的可验证性、可追溯性以及权限控制？
- 深入复习分布式系统、操作系统内核、网络协议栈等底层基础知识
职位点评
薪资福利90
成长发展95
工作生活50
使命价值85
薪资福利
90较高
阿里星作为顶尖校招项目，薪资福利处于行业绝对头部，且已上市公司提供稳定的长期回报。
薪资信号偏高 (3.5千–5.5万/月)
成长发展
95较高
岗位处于AI Agent与搜索技术的最前沿，鼓励论文与开源输出，技术成长与行业影响力发展空间极大。
技术前沿前沿/新兴技术
技术栈AI Agent、大模型、强化学习、RAG、MCP、A2A、分布式系统、Kubernetes
成长机会鼓励将成果以论文、开源项目、技术分享的形式对外输出、前瞻探索新的搜索形式
业务类型ambiguous
工作生活
50较低
阿里星项目工作强度通常较大，且JD未提及WLB相关信息，属于高强度技术探索岗位。
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
85较高
重新定义Agent时代的搜索范式，推动技术前沿发展，具有较高的技术使命感与行业变革意义。
行业发展高速增长赛道
社会影响中性/一般
使命信号重新定义 Agent 时代的搜索、探索并定义全新的搜索形式与 agent 检索范式
创新程度开拓性创新（行业首创）
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs