阿里巴巴
高德-NLP/Agent算法工程师/专家-POI智能化
高德-NLP/Agent算法工程师/专家-POI智能化
发布于 大约 10 小时前普通员工/个人贡献者
全职员工仅现场办公NLP工程
NLP工程
Langgraph
Llm
Nlp
Poi
Qwen
Rag
分布式训练
值不值得投
74综合评分
综合评分 74
前沿技术栈，薪资优厚，发展空间大，但工作强度高，WLB一般。
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
55K
比NLP工程中位数高
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 1950 个在招 · 其中NLP工程 25 个
市场机会
选择适中
北京 · NLP工程 · 46 个在招
职位详情
关于这个职位
作为高德POI智能化团队的核心算法工程师，你将专注于应用最前沿的LLM和Agent技术，构建数据生产与智能决策的下一代技术链路
工作内容包括Agent基础服务平台建设、NLP/LLM核心算法能力开发，以及探索LLM在复杂场景下的泛化与推理能力，旨在提升POI数据的生产效率与用户体验
该岗位技术挑战大，适合对NLP和Agent技术有深厚积累的专家
最低要求
熟悉 NLP 的各种任务建模，并且有丰富的实践经验，包含但不仅限于切词、NER、语言模型、事件检测与要素抽取、分类等
深入理解 Transformer 架构及主流 LLM（如 Qwen, Llama 等）的原理与应用
熟悉主流Agent框架（如LangGraph，Hermes Agent，AgentScope，Anthropic Agent等），熟练掌握session、memory、rag、prompting、cache、tool using、skill和mcp等技术，有LLM训练经验和分布式应用经验
有技术洞察力，精益求精，有产品意识，优秀的问题分析解决能力，对挑战充满激情
工作职责
基于 LLM/Agent 的自主规划、执行、反思与协同能力，构建面向数据生产与智能决策的下一代技术链路，推动从信息理解、自动挖掘、质量校验到闭环更新的全流程智能化，提升POI数据生产效率、用户交互体验
负责 Agent 基础服务平台建设，探索自主规划、任务分解、工具调用、结果验证和闭环执行等关键能力
负责 NLP/LLM 相关基础算法能力建设，包括文本理解、信息抽取、纠错、质量评估、生成与融合等核心能力
探索 LLM 在复杂场景下的零样本、少样本学习与推理能力，提升算法在开放任务中的泛化效果与落地效率
参与智能语音交互、端侧 Agent、设备协同 Agent、多模态安全识别、Agent攻防等前沿方向的研发与应用
优先资格
有机器人智能语音外呼、移动设备agent、智能决策和审核agent经验者优先
在 ACL、EMNLP、NAACL、COLING、WWW、CIKM、ICML、KDD、NeurIPS 等相关国际会议上有文献发表优先
AI 洞察
优缺点分析
优点
- 技术前沿，涉及LLM、Agent等热门领域，个人技术成长快
- 薪资待遇优厚，福利完善
- 对技术深度和广度要求极高，需要持续学习
- 业务复杂度高，需要较强的产品意识和问题解决能力
- 工作强度可能较大，需要适应快速迭代
缺点 / 挑战
- 平台大，数据丰富，业务场景复杂，挑战性强
- 适合对NLP和LLM技术有深厚积累，渴望挑战前沿技术，并能在复杂业务场景中推动技术落地的算法专家
角色解读
- 在技术专家路线深耕，成为NLP/LLM领域的顶尖专家
- 向技术管理方向发展，带领团队负责核心算法研发
- 横向拓展至智能语音、多模态、Agent攻防等前沿领域
- 构建基于LLM/Agent的自动化数据生产链路，实现POI数据的智能化处理与更新
- 负责Agent平台建设，探索自主规划、任务分解、工具调用等关键能力
- 研发NLP/LLM基础算法，包括文本理解、信息抽取、纠错、质量评估等
- 探索LLM在零样本、少样本学习下的泛化能力，并参与智能语音交互、端侧Agent等前沿方向
- 精通NLP任务建模，如NER、语言模型、事件检测等，并有丰富实践经验
- 深入理解Transformer架构及主流LLM（如Qwen、Llama）的原理与应用
- 熟悉主流Agent框架（如LangGraph、AgentScope），掌握RAG、Prompting、Tool Using等技术
- 具备LLM训练经验和分布式训练经验，有技术洞察力和产品意识
申请策略
- 提前了解高德POI业务，思考LLM/Agent如何与其结合
- 准备1-2个能体现你技术深度和业务思考的项目案例
- 突出NLP和LLM相关的项目经验，特别是Agent、RAG等方向
- 强调在ACL、EMNLP等顶会上的论文发表经历
- 展示在大型分布式系统上的LLM训练经验
- 体现对业务的理解和产品意识
- 深入学习主流Agent框架，如LangGraph、AgentScope
- 关注LLM在零样本、少样本学习上的最新研究
面试指南
- 回答项目经验时，采用STAR法则，突出技术难点、解决方案和最终效果
- 回答系统设计问题时，从业务需求出发，阐述技术选型、架构设计和关键细节
- 回答前沿技术问题时，结合具体场景，展示你的技术洞察力和思考深度
- 请详细介绍一下你使用LLM解决NLP问题的项目经验
- 如何设计一个基于Agent的POI信息自动更新系统？
- 在LLM训练和部署中，你如何解决分布式训练中的挑战？
- 如何评估一个LLM在开放任务中的泛化能力？
- 你如何看待Agent技术在未来的发展趋势？
职位点评
薪资福利80
成长发展95
工作生活40
使命价值70
薪资福利
80较高
作为阿里集团的高级别算法专家，薪资水平在市场中具有较强竞争力，福利待遇完善，能较好满足补偿性动机。
薪资信号未披露（AI估算：40K-70K/月）
成长发展
95较高
岗位聚焦LLM和Agent等前沿技术，技术挑战大，成长空间广阔，能极大满足发展性动机。
技术前沿前沿/新兴技术
技术栈LLM、Agent、NLP、LangGraph、Qwen、Llama、RAG、Transformer
业务类型ambiguous
工作生活
40较低
岗位要求仅现场办公，且未提及弹性工作安排，工作强度可能较大，生活化动机满足程度有限。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
POI智能化业务与真实世界互动，具有较高的社会价值，但岗位主要聚焦技术实现，意义感动机满足程度中等偏上。
行业发展稳定成熟行业
社会影响中性/一般
使命信号数字化还原真实世界POI
创新程度积极采用新技术
Watch Jobs