阿里巴巴
AI Agent算法工程师 - RAG方向
AI Agent算法工程师 - RAG方向
发布于 10 小时前实习/见习
实习生仅现场办公NLP工程
NLP工程
Llm
Nlp
Rag
Rerank
信息检索
问答系统
值不值得投
80综合评分
综合评分 80
核心业务实习岗，前沿大模型技术栈，技术成长空间极大，WLB未明确。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
薪资怎么样
8千
比NLP工程中位数低
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NLP工程 27 个
市场机会
选择面较广
北京 · NLP工程 · 53 个在招
职位详情
关于这个职位
该职位主要在阿里巴巴高德团队参与AI Agent通识搜索场景下的RAG系统建设与优化
你将负责知识组织、检索策略、Context注入及结果重排等核心环节的研发，并建设基于LLM推理的评估体系，推动算法迭代与效果提升
最低要求
年秋季毕业的本科及以上在校生
具备扎实的编程与算法基础，熟练使用Python
具备良好的实验分析、问题拆解和跨团队协作能力
工作职责
参与高德 AI Agent 在通识搜索场景下的 RAG 系统建设与效果优化，围绕知识组织与预处理、检索策略框架、Context 注入质量控制、检索词改写、检索结果 rerank 等核心环节开展研发
建设以 LLM 推理为中心的评估体系，从 Information Sufficiency、Reasoning Supportability、Noise Resistance、Output Faithfulness 等维度分析并优化通识搜索效果
结合离线评测与实验分析，定位检索、推理与生成链路中的关键问题，推动算法迭代和效果持续提升
优先资格
计算机、人工智能、数学、统计等相关专业优先
对LLM、RAG、Agent、信息检索、问答系统等方向有浓厚兴趣
具备NLP、检索、排序或大模型应用相关项目/研究经验者优先
AI 洞察
优缺点分析
优点
- 依托高德海量真实搜索场景，能接触到工业级RAG与Agent落地实践，业务价值高
- 处于大模型与AI Agent前沿赛道，技术栈新且极具发展潜力，有利于个人技术深度的积累
- 背靠成熟的技术体系与数据资源，能接触到复杂的通识搜索难题，锻炼解决硬核技术问题的能力
- 适合对大模型、RAG及Agent技术有浓厚兴趣，具备扎实算法基础且希望在工业级搜索场景中深耕的在校生
缺点 / 挑战
- 大模型与RAG技术迭代极快，需要持续跟进前沿论文与开源动态，学习压力较大
- 通识搜索场景下的噪声抵抗与推理支持度优化具有较高的技术难度，需要较强的算法功底
角色解读
- 从RAG系统的基础研发与评估体系搭建起步，逐步深入大模型应用与Agent架构设计
- 未来可成长为大模型搜索算法专家或AI Agent方向的技术骨干，主导工业级搜索系统的演进
- 负责高德AI Agent通识搜索场景下的RAG系统研发，包括知识组织、检索策略、Context注入及结果重排等核心环节
- 建设基于LLM推理的评估体系，从信息充分性、推理支持度、抗噪性及输出忠实度等维度分析和优化搜索效果
- 结合离线评测与实验分析，定位检索、推理与生成链路中的关键问题并推动算法迭代
- 扎实的Python编程与算法基础，熟悉LLM、RAG、Agent及信息检索等核心技术
- 具备良好的实验分析、问题拆解能力以及跨团队协作沟通能力
- 对大模型应用及问答系统有浓厚兴趣，具备相关项目或研究经验者优先
申请策略
- 了解高德地图在AI搜索或Agent方面的最新业务动态与产品形态，准备针对通识搜索场景的优化思路
- 突出在NLP、信息检索或大模型应用相关的项目或研究经历，特别是涉及RAG、Agent或问答系统的实践
- 展示扎实的Python编程能力与算法基础，以及解决复杂问题的实验分析过程与量化成果
- 深入学习RAG架构优化、检索词改写及Rerank策略，掌握LLM推理评估体系的构建方法
- 熟悉主流大模型API调用及LangChain/LlamaIndex等开发框架，了解最新的Agent设计模式
面试指南
- 采用STAR法则描述项目经历，重点突出问题拆解、技术方案选型及最终效果提升的数据指标
- 对于评估体系设计，从维度定义、指标量化、自动化评测与人工校验结合的角度展开，体现系统性思维
- 请介绍一个你参与过的RAG或问答系统项目，遇到了哪些检索或生成问题，是如何解决的？
- 在RAG系统中，如何评估Information Sufficiency和Output Faithfulness？
- 针对通识搜索场景，你认为检索词改写和Rerank的核心难点是什么？
- 如何设计一个以LLM推理为中心的评估体系？
- 复习RAG、Agent、信息检索及大模型推理的相关论文与经典架构，掌握核心概念与优化手段
- 准备一个自己主导或深度参与的NLP/大模型项目，能够清晰阐述技术细节、踩坑经验与优化思路
职位点评
薪资福利75
成长发展95
工作生活60
使命价值80
薪资福利
75中等
实习津贴在行业内具有竞争力，但作为实习生岗位，整体薪酬绝对值受限于学生身份，主要满足基础生活与实习补贴需求。
薪资信号未披露（AI估算：6千–1万/月）
成长发展
95较高
岗位处于大模型与AI Agent前沿赛道，依托真实业务场景，能提供极高的技术成长与工业级实践机会。
技术前沿前沿/新兴技术
技术栈LLM、RAG、Agent、NLP、Python、Rerank、Context注入
业务类型ambiguous
工作生活
60中等
JD未明确提及工作模式与WLB相关信息，但作为算法实习岗，通常需现场办公且可能面临一定的业务迭代压力。
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
AI Agent与RAG技术正在重塑信息检索与交互方式，具有较高的技术使命感与行业前景，能带来较强的技术成就感。
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