阿里巴巴
AI工程设计师
AI工程设计师
发布于 3 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
Langgraph
Prompt Engineering
Rag
智能体架构
知识库构建
值不值得投
74综合评分
综合评分 74
AI设计工程前沿岗，技术栈新、成长空间大，但薪资未披露且工作节奏未知。
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
3.5万
与人工智能中位数基本持平
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 3140 个在招 · 其中人工智能 约 340 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
该职位负责建设和维护团队的AI设计平台，将设计知识与AI能力结合，提升设计团队效率
你需要独立构建和优化设计智能体系统，维护知识库与RAG，并推动AI工具在设计工作流中的落地与集成
最低要求
计算机科学、人工智能等相关专业本科及以上学历
设计理解力：深入理解UX流程与设计语言体系，能将复杂设计知识转化为机器可读规则与Prompt结构
AI工程力：熟悉智能体架构（如LangChain、LangGraph、CrewAI、OpenDevin 等）
能独立构建多Agent系统并优化任务规划
RAG与数据管理能力：理解文本分块、embedding、检索排序机制
能构建知识库并持续维护其语义质量
开发与脚本能力：掌握至少一种语言（Python / TypeScript），能实现API调用、数据清洗、工作流自动化
Prompt Engineering 能力：能设计高鲁棒性（High Robustness）的提示词模板与工具调用协议，实现上下文精确控制
系统性思维：能在多角色（业务、系统、AI）之间抽象关系，建立清晰的架构边界与协作模式
沟通与培训能力：能将复杂AI系统原理转化为可理解、可操作的知识，推动团队共识
想象力和表述能力：整体构想一切画面和内容，打破一切物理特性的想象，横跨空间和时间维度
并能用文字方式精确表达
工作职责
负责建设和维护团队的AI设计平台，通过整合设计知识、工作流与AI能力，持续提升设计团队的产出效率、质量一致性与知识复用率
设计体系的智能化核心构建者，连接「设计」、「工程」与「AI设计工具」三大领域，确保AI在团队中的落地可用、可迭代、可控
能够独立构建和优化设计智能体系统，理解架构与工作流转机制
主导设计智能体架构的演进与跨平台工作流集成
构建面向全团队的智能设计平台，实现规模化赋能
构建并维护团队的设计智能体（Design Agent）体系架构
进行知识体系与RAG维护，维护设计知识库和素材库（Design Knowledge Base）
负责工作流智能化与工具集成及设计智能体性能监控与评估
优先资格
有 Figma Plugin、Cursor MCP、Dify Flow、LangGraph、阿里百炼等平台实践经验
有构建内部知识库或AI助手（Chatbot/RAG/Workflow Agent）的实习经验
有数据可视化、设计系统、组件库等建设经验
AI 洞察
优缺点分析
优点
- 处于AI与设计交叉的前沿领域，能够接触到LangGraph、Design Agent等最新技术，技术壁垒高
- 依托丰富的设计资源与业务场景，项目落地价值高，能实现规模化赋能
- 岗位稀缺性强，兼具工程能力与设计思维，未来在AI+设计赛道具有极高的市场竞争力
- 需要同时跨越计算机科学、AI工程与UX设计三个领域，知识跨度大，学习曲线陡峭
- 作为内部效能赋能团队，需要不断平衡业务方的定制化需求与平台的通用性、标准化建设
- 适合既懂代码工程又具备设计审美，对AI Agent和RAG技术有浓厚兴趣，且具备较强系统性思维的复合型技术人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 纵向可发展为AI设计工程领域的资深专家或架构师，主导更大规模的AI设计平台演进
- 横向可向AI产品经理或设计技术负责人转型，连接业务、设计与技术，推动AI在设计行业的商业化落地
- 负责建设和维护团队的AI设计平台，将设计知识、工作流与AI能力深度整合，提升设计团队的产出效率与质量
- 独立构建和优化设计智能体（Design Agent）系统，主导架构演进与跨平台工作流集成
- 维护设计知识库和素材库，进行RAG系统的构建与语义质量优化，确保AI工具在团队中的落地与可控
- 具备扎实的AI工程能力，熟悉LangChain、LangGraph等智能体架构，能独立构建多Agent系统
- 掌握Python或TypeScript，具备RAG、文本分块、Embedding及检索排序机制的实战经验
- 拥有出色的设计理解力与Prompt Engineering能力，能将复杂设计知识转化为机器可读规则与高鲁棒性提示词
申请策略
- 准备一份包含AI设计工具Demo或智能体工作流演示的作品集，直观展示你的工程落地能力
- 了解设计团队的近期动向和AI设计产品，面试时展现对公司业务的理解
- 重点突出在智能体架构（如LangChain/LangGraph）和RAG系统构建方面的实际项目经验与成果
- 展示将设计知识转化为AI可用规则或Prompt的成功案例，体现设计理解力与AI工程力的结合
- 列举使用Python/TypeScript进行API调用、数据清洗或工作流自动化的具体技术实践
- 深入学习Design Agent的最新论文与开源项目，熟悉Figma Plugin或Cursor MCP等设计AI工具的开发
- 提升Prompt Engineering技巧，特别是针对复杂设计场景的高鲁棒性提示词模板设计能力
面试指南
- STAR法则：结合具体项目，说明背景、任务、采取的技术方案（如Agent架构设计、RAG优化）及最终量化的业务收益
- 系统性思维框架：从业务需求出发，拆解为系统架构、数据流转、Prompt设计、监控评估等模块，展现全局观
- 请详细描述你如何构建一个多Agent系统，以及在任务规划和上下文控制中遇到了哪些挑战？
- 在RAG系统中，你是如何优化文本分块和检索排序机制以保证语义质量的？
- 如何将抽象的UX流程和设计语言体系转化为机器可读的规则和Prompt结构？
- 如果设计团队对AI生成的结果不满意，你会如何从系统架构和Prompt层面进行排查和优化？
- 复习LangChain/LangGraph的核心概念，准备一个完整的Design Agent或RAG知识库构建的端到端案例
- 了解当前AI在设计领域的应用边界与痛点，思考AI如何真正提升设计师效率而非增加负担
职位点评
薪资福利75
成长发展90
工作生活50
使命价值75
薪资福利
75中等
JD未明确披露薪资，但基于岗位的高技术门槛与行业属性，预计薪资具备市场竞争力。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
90较高
岗位处于AI与设计交叉的前沿领域，涉及Design Agent、RAG等新兴技术，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈LangChain、LangGraph、CrewAI、OpenDevin、RAG、Prompt Engineering、Python、TypeScript
业务类型cost_center
工作生活
50较低
JD未提及工作模式与加班情况，无法准确判断工作生活平衡状态，需入职后进一步了解。
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
75中等
推动AI在设计领域的落地，提升团队效率，属于积极采用新技术的创新型岗位，具有较高的行业探索价值。
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