阿里巴巴
AI Agent应用研发&平台架构（AIGC）-阿里星/A Star
AI Agent应用研发&平台架构（AIGC）-阿里星/A Star
发布于 大约 15 小时前普通员工/个人贡献者
北京市 / 杭州市
专家级经验
全职员工
仅现场办公
硕士
算法优化工程师
Cuda
Gpu优化
Llm
Multi-Agent
Rag
Tensorrt
Vllm
AI 估算 · 40k–70k
阿里星/A Star为高端人才项目，薪资对标阿里P7-P8，结合北京/杭州一线城市水平，月薪4-7万，16薪。
职位详情
关于这个职位
作为阿里巴巴AIGC领域的核心研发岗位，你将负责构建下一代AI Agent与AI Native媒体平台，主导Multi-Agent系统架构设计、多模态模型集成与性能优化，推动视频生成技术的范式革新
该职位要求深厚的技术功底与创新精神，适合有志于站在AI与视频创意交汇点、追求技术极致的人才
最低要求
基础条件
计算机、人工智能等相关专业硕士及以上学历
符合以下情况中的一种：顶会一作、国际顶级竞赛冠军、知名开源社区Commitee、高Star开源项目作者
熟悉 C++ / Go / Python / Rust / Java 中至少一门语言，具备良好的工程落地能力
核心技术能力
Agent应用方向：理解LLM/Agent核心技术（RAG/Function Calling/Tool Use/Multi-Agent协作），有高质量Agent系统落地经验
熟悉多模态大模型特性与微调技术（SFT/RLHF/DPO），具备良好的Prompt Engineering/DSpy实践经验
平台架构方向：理解音视频技术栈，熟悉AI推理工程与GPU架构（CUDA/TensorRT/vLLM/Triton），掌握模型量化、算子融合等极致性能优化手段
熟悉云原生技术栈，理解或实践过规模化平台或高并发媒体计算系统
工作职责
Agent-Native平台架构设计
主导设计面向视频全链路生产的Multi-Agent系统架构，拆解并定义不同角色Agent的能力边界与协作协议，构建支持复杂任务分解、动态规划、自主决策、异常恢复的Agent运行框架
设计底层媒体服务平台架构，包括媒体引擎、媒资系统、媒体工作流引擎的统一规划与演进，构建GPU驱动、云原生的AI媒体架构
设计Agent间的通信机制、状态管理与记忆体系，保障长链路生产任务的一致性、可追溯性与可干预性
多模态模型集成与AI媒体关键技术攻坚
持续跟踪并将最新的图片生成、视频生成、音频生成、VL等多模态大模型集成进Agent生产链路，保持Agent能力的持续技术领先
攻关视频生成、编辑、合成场景的高性能媒体处理技术，解决大规模任务下多层视频流/文件、特效、音频轨道的实时并行渲染合成难题，突破传统框架在生成式场景下的性能瓶颈
构建为实时交互而生的流媒体生成框架，从传输、模型编排、流媒体性能等维度优化端到端延时，打破"提交-等待"模式，实现"所言即所见"的创作体验
任务规划、Pipeline编排与调度优化
设计基于LLM的动态任务规划引擎，根据不同创作意图、内容类型、生产规格动态构建差异化的视频生产Pipeline
攻关长链路任务的可靠性保障：任务断点续传、局部重试、人机协同介入点设计等核心工程难题，确保复杂任务在动态工作流下依然稳定可控
深入分析AIGC Pipeline的复杂依赖关系与性能瓶颈，动态优化工作流活动的执行路径与资源分配，缩短从创意到成片的端到端耗时
Agent效果与算法工程性能优化
极致化媒体处理与流式生成性能：深入GPU底层，对编解码、合成渲染等核心引擎算子极致调优，将"指令-生成-反馈"循环极致压缩，实现真正的实时创作
建立算法性能基准体系，实现端到端生产链路的延迟/倍速、吞吐、成本三角平衡
对模型输出质量进行系统性调优，针对视频生产场景的语义一致性、运动合理性、视觉/音频质量、叙事逻辑性、指令遵循度等关键指标进行专项优化，让Agent的生产风格与用户意图高度契合
优先资格
有Multi-Agent系统（多智能体协作、角色分工、冲突解决）设计与落地经验，或有视频生产、影视创作、内容平台相关AI产品的完整研发经验
拥有较大用户规模的AI视频平台的架构设计经验，解决过AI视频技术在云端的全链路痛点
熟悉CUDA C++编程，有混合精度推理优化、算子融合、异步流水线、零拷贝等极致硬件性能优化经验
对视频美学、镜头语言、导演逻辑有一定理解，能将创作领域知识转化为系统设计输入
AI 洞察
优缺点分析
优点
- 阿里巴巴平台资源丰富，数据与算力支持，利于技术落地
- 薪资竞争力强，福利完善，职业发展空间大
- 与顶尖技术人才合作，学习氛围浓厚，可快速提升技术视野
- 技术难度高，涉及多领域（AI、系统、GPU），要求综合能力
- 工作强度可能较大，需应对快速迭代与高并发场景
- 岗位要求高，竞争激烈，需持续学习保持领先
- 适合对AI技术有热情、具备扎实工程能力、追求技术极致、能在高压下创新的工程师
缺点 / 挑战
- 站在AIGC技术前沿，参与定义行业范式，技术挑战大，成长快
角色解读
- 技术专家路线：深入AI Agent与媒体技术，成为领域权威，主导核心架构演进
- 管理路线：带领团队负责AIGC平台整体架构，晋升技术总监
- 创业机会：积累AI视频平台经验，未来可投身AI内容创业或加入顶尖AI公司
- 设计并实现Multi-Agent系统架构，定义Agent角色与协作协议，支持复杂视频生产任务的分解与执行
- 集成多模态大模型（如图像、视频、音频生成模型）到Agent链路，优化推理性能与效果
- 优化GPU底层算子与推理框架，提升视频生成、渲染的实时性与吞吐量
- 构建动态任务规划引擎，实现视频生产Pipeline的编排、调度与可靠性保障
- 精通LLM/Agent技术，包括RAG、Function Calling、Multi-Agent协作，有实际落地经验
- 熟悉GPU架构与推理优化，掌握CUDA、TensorRT、vLLM、Triton等工具
- 具备音视频处理与流媒体知识，理解视频编码、渲染、合成流程
- 扎实的编程能力，至少精通C++/Go/Python/Rust/Java中的一种
申请策略
- 关注阿里AIGC战略，了解其视频生成产品，如通义万相
- 准备技术分享或项目演示，展示实际能力
- 突出Multi-Agent系统或AI平台架构设计经验，展示具体项目成果
- 强调GPU优化、推理加速等性能调优案例，量化性能提升
- 展示顶会论文、开源项目或竞赛奖项，体现技术深度
- 如有视频生成、媒体处理经验，重点描述相关技术细节
- 深入学习LLM/Agent框架，如LangChain、AutoGen，并动手实践
- 掌握CUDA编程和推理优化工具，如TensorRT、vLLM
面试指南
- 采用STAR法则，结合项目经验，突出技术决策和量化结果
- 强调系统性思维，从架构、算法、工程多角度分析问题
- 展示对前沿技术的理解，并联系实际应用场景
- 如何设计一个Multi-Agent系统来协作完成视频生成任务？
- 如何优化视频生成模型的推理性能？请举例说明
- 你如何解决长链路任务中的故障恢复和一致性？
- 描述一次你优化GPU算子或推理管线的经历
- 如何评估和提升视频生成的质量？
职位点评
76
综合评分
AIGC前沿技术岗，发展机会极佳，但工作强度大，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。
更适合这类人
适合追求技术前沿、渴望快速成长、对AIGC有热情的工程师，能接受高强度工作。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展95
工作生活40
使命价值85
薪资福利
80较高
阿里巴巴作为大厂，薪资福利具有竞争力，但具体薪资未披露，需面议。
薪资信号面议 (40K-70K/月)
成长发展
95较高
岗位处于AIGC前沿，技术挑战大，成长空间广阔，且阿里提供丰富资源。
技术前沿前沿/新兴技术
技术栈Multi-Agent、LLM、RAG、CUDA、TensorRT、vLLM、Triton、GPU优化
业务类型profit_center
工作生活
40较低
工作地点为北京/杭州，未提及弹性办公，可能需高强度工作，WLB一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
85较高
AIGC行业高速增长，岗位具有创新性，对行业有较大影响，意义感强。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs