阿里巴巴
淘宝闪购-C端-AI Agent应用开发专家-北京/上海/杭州
淘宝闪购-C端-AI Agent应用开发专家-北京/上海/杭州
发布于 4 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
Agent架构
Llm Agent
Rag
Tool-Use
即时零售
可观测性
大模型工程化
评测体系
值不值得投
75综合评分
综合评分 75
核心业务AI Agent专家岗，前沿技术栈与真实业务场景结合，技术成长空间大，业务价值高。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
4.8万
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 3080 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
淘宝闪购AI2C工程团队招聘AI Agent应用开发专家，负责即时电商Agent的工程化落地与架构设计
你将主导Agent认知与执行闭环的搭建，优化Agent-First架构的性能与成本，并推动评测体系作为核心工程资产的建设，与算法和产品团队深度协作，打造万亿Token级别的真实业务场景
最低要求
年以上工程研发经验，至少1年LLM Agent方向实战经验，能清晰说明项目的前后对比效果
主导过至少一个Agent/RAG/Tool-Use闭环的工程落地，能讲清loop的入口、样本流入方式及卡点
深刻理解“评测是工程资产”而非辅助工具，有评测体系建设或Bad Case治理的实际经验
Java/Python工程能力扎实，能独立完成从架构设计、上线到稳定性保障的全链路工作
工作职责
搭Agent能力闭环：规划并落地Agent的认知/执行loop，实现可观测（步骤结构化、产出落盘、可回溯、可局部重跑），具备Before/After的错误率/成功率对比，有真实样本流入流出的漏斗
Agent-First 架构：用AI的垂直扩容替代之前的水平扩容，把分散在多人多系统里的上下文收回到一个Agent里，对Agent架构的性能、成本、稳定性进行优化
关注业务流转：不追求单纯的建设数量，而是关注客户是谁、解决了什么问题、样本流入流出量及漏斗卡点
评测作为一级工程资产：安排专人持续维护评测集，每周滚动输入，驱动模型/能力优化并反哺场景验证
跨方协作：和算法组、产品组深度对齐，把能力工程化、把形态落线上
关键项目拉通相关方共同完成，形成AI Native Team
优先资格
具备即时零售或电商交易域经验（商品、订单、营销、搜索推荐任一方向）
主导过千问/通义等大模型在业务侧的工程化接入与放量
有Agent可观测/Trace体系的落地经验
有团队带人或技术Lead经验，能给予Context而不Control，赋能团队成员
AI 洞察
优缺点分析
优点
- 接触万亿Token级别的真实业务场景，非Demo项目，能积累极具价值的AI工程化落地经验
- 团队文化强调需求驱动与决策权下放，提供算法、产品、工程三方真协作环境
- 业务场景复杂，需要处理高并发、高成本及稳定性问题，对架构设计和性能优化要求极高
- 适合有1年以上LLM Agent实战经验，渴望在真实电商交易场景中验证AI技术，且具备较强架构设计和跨团队推动能力的技术极客
缺点 / 挑战
- 需要频繁跨团队协作，对沟通对齐和推动落地的能力要求较高
角色解读
- 从AI应用开发专家向AI架构师或AI业务技术负责人发展，深入理解即时零售与电商交易核心链路，成为AI Native团队的核心技术骨干
- 负责淘宝闪购即时电商Agent的工程化落地，搭建Agent认知与执行闭环，优化Agent-First架构的性能与成本
- 与算法、产品团队深度协作，将AI能力转化为真实的线上业务订单
- 具备扎实的Java/Python工程能力，拥有LLM Agent/RAG/Tool-Use闭环的实际落地经验
- 深刻理解评测体系建设，具备Agent架构性能优化及可观测性设计能力
申请策略
- 在简历或面试中展现“需求驱动”的思维，先讲清楚解决了什么客户问题，再讲技术实现，契合团队文化底色
- 重点突出主导过的Agent/RAG/Tool-Use闭环项目，详细说明loop入口、样本流入及卡点解决过程
- 强调评测体系建设经验及Before/After的量化业务收益
- 深入学习Agent可观测性与Trace体系设计，了解即时零售或电商交易域的业务逻辑（如商品、订单、营销）
面试指南
- 采用STAR法则，重点突出业务背景（客户是谁、解决什么问题）、技术方案（架构设计、评测体系）、量化结果（Before/After对比、漏斗数据）
- 请详细描述你主导过的一个Agent闭环项目，loop的入口在哪？样本怎么流入？遇到了什么卡点？
- 你是如何理解‘评测是工程资产’的？请分享你建设评测体系或治理Bad Case的经验
- 在Agent-First架构中，你是如何优化性能、成本和稳定性的？
- 面对算法、产品、工程三方协作，你如何确保能力工程化并顺利落线上？
- 准备1-2个深度的Agent落地项目案例，梳理清楚技术细节和业务指标
- 了解淘宝闪购的业务模式及即时电商Agent的行业现状
职位点评
薪资福利75
成长发展90
工作生活50
使命价值80
薪资福利
75中等
核心业务技术专家岗，薪资处于市场较高水平，且业务直接挂钩订单与交易，绩效与奖金预期较好，但JD未披露具体薪资细节。
薪资信号未披露（AI估算：3.5千–6万/月）
成长发展
90较高
处于AI Agent工程化落地的最前沿，接触万亿Token级真实场景，技术成长空间极大，且团队强调决策权下放与AI Native协作。
技术前沿前沿/新兴技术
技术栈LLM Agent、RAG、Tool-Use、Agent-First架构、可观测/Trace体系
成长机会Context 给够、决策权下放
业务类型profit_center
工作生活
50较低
JD未提及工作模式与WLB相关信息，但作为核心业务的技术专家岗，且强调业务结果导向，工作强度可能较大。
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
80较高
致力于通过AI技术显著缩短用户购物路径，提升即时电商用户体验，具有较高的业务价值和创新意义。
行业发展高速增长赛道
社会影响中性/一般
使命信号提升用户体验、显著缩短路径
创新程度开拓性创新（行业首创）
Watch Jobs