阿里巴巴
AI agent平台研发工程师
AI agent平台研发工程师
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平台工程
平台工程
Ai Agent
Go
Llm
Prompt工程
Rag
分布式系统
向量数据库
值不值得投
81综合评分
综合评分 81
头部企业核心AI底层研发岗，技术前沿且极具挑战，薪资竞争力强，适合追求技术深度的极客型人才。
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
5万
比平台工程中位数高
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 3100 个在招 · 其中平台工程 18 个
市场机会
选择适中
杭州 · 平台工程 · 24 个在招
职位详情
关于这个职位
该职位主要负责构建面向全场景的AI Agent底层运行、通信与数据处理平台，参与Agent框架、AI网关等核心基础设施的设计与研发
你需要通过打造高性能的数据存储与计算流水线，构建数据飞轮与高可用运行时架构，持续驱动大模型与Agent能力的迭代升级
最低要求
基础扎实：计算机、软件工程、人工智能等相关专业，扎实的计算机基础（包括但不限于数据结构与算法、操作系统、计算机网络等）
编码功底：优秀的编程能力，熟练掌握至少一门主流服务端编程语言（如 C/C++、Go、Java 或 Rust），拥有良好的代码习惯和工程架构素养
拥抱 AI 时代：对大模型（LLM）和 AI 前沿技术有浓厚兴趣和极高的热情
熟悉基础的 Prompt 工程、Agent 核心架构（如 ReAct、Plan-and-Solve 等）或 RAG 相关技术栈
底层技术嗅觉：熟悉分布式系统设计，了解高性能网络服务器编程原理，对异步 IO、内存管理、多线程并发同步等机制有深刻认知
有分布式存储、数据库内核相关研发项目经验者优先
综合素质：有强烈的好奇心、自驱力和极快的学习能力，能够面对复杂的系统性难题迎难而上，具备良好的逻辑分析与沟通协作精神
工作职责
建设AI Agent 核心基础设施：打造支撑海量 Agent 高效运行与演进的新一代运行、通信、数据处理平台
通过构建高性能的数据存储、检索引擎及计算流水线，挖掘海量Agent 运行时数据、交互轨迹及上下文中信息价值
核心架构与功能研发：参与全公司级 AI Agent 底层数据与计算平台的设计与研发，提供支撑 Agent 运行的高效数据采集、处理、存储与检索能力
数据飞轮建设：设计并研发 Agent 交互数据的收集、清洗与自动化评估系统，构建高质量的数据反馈回路（Feedback Loop），持续驱动大模型与 Agent 能力的迭代升级
Agent 运行时基座：研发稳定、高可用的 Agent 运行时（Runtime）架构和数据基础设施，包括但不限于上下文prompt、skills及长短期记忆（Memory）管理、状态持久化及高并发任务调度引擎
优先资格
源码极客：曾深入阅读并研究过知名底层开源项目源码（如 Lucene、RocksDB、Kafka、RocketMQ、Higress、Nacos、AgentScope、LanceDB、Milvus 等）
AI 实战派：在实验室课题或顶级科技公司中，有过大模型微调、Agent 框架层开发、或向量数据库（Vector DB）相关底层研发经验
学术/竞赛达人：在计算机系统、数据库顶级会议（如 SIGMOD、VLDB、OSDI、SOSP 等）发表过论文，或在 ACM/ICPC 等重磅程序设计竞赛中获得过优异成绩
AI 洞察
优缺点分析
优点
- 处于AI大模型与Agent爆发的核心赛道，能够接触到业界领先的超大规模异构数据与算力基座
- 依托头部平台的资源与业务场景，技术成果能直接赋能海量业务，成就感与技术影响力强
- AI技术迭代极快，需要持续保持极高的学习热情与自驱力，以跟上大模型与Agent架构的演进
- 适合对底层技术有极客精神、具备扎实分布式系统基础，且对AI大模型前沿技术充满热情的研发工程师
缺点 / 挑战
- 参与全公司级AI底层平台建设，技术挑战大，能积累极具竞争力的分布式系统与AI基础设施经验
- 底层平台研发对系统稳定性、高并发及性能要求极高，面临的技术难题复杂，工作压力较大
角色解读
- 纵向可成长为AI基础设施领域的技术专家或架构师，主导超大规模底层系统的设计与演进
- 横向可拓展至大模型应用层、AI商业化落地或AI平台产品方向，成为懂底层也懂业务的复合型AI人才
- 负责构建AI Agent的底层运行、通信与数据处理平台，打造支撑海量Agent高效运行的基础设施
- 设计并研发Agent交互数据的收集、清洗与自动化评估系统，构建数据飞轮以驱动大模型能力迭代
- 研发高可用的Agent运行时架构，包括上下文管理、记忆管理及高并发任务调度引擎
- 扎实的计算机基础与优秀的编码能力，熟练掌握C/C++、Go、Java或Rust等至少一门服务端语言
- 深入理解分布式系统设计、高性能网络编程、异步IO及多线程并发同步机制
- 熟悉大模型（LLM）前沿技术，了解Prompt工程、Agent核心架构（如ReAct）或RAG技术栈
申请策略
- 投递前可关注阿里通义大模型或相关AI基础设施团队的最新技术博客与开源项目，了解其技术栈与业务方向
- 重点突出在分布式系统、高性能存储或数据库内核方面的实际项目经验与性能优化成果
- 展示对AI Agent、LLM、RAG等前沿技术的理解与实践，如有相关开源项目贡献或源码阅读经历务必写上
- 强调解决复杂系统性难题的能力，用具体数据说明你在高并发、内存管理或异步IO方面的优化成效
- 深入学习主流Agent框架（如AgentScope、LangChain）的底层原理，或研究向量数据库（如Milvus）的源码
- 补充大模型微调、Prompt工程及RAG系统的实战经验，提升对AI应用层与底层数据交互的理解
面试指南
- 针对系统设计问题，采用“背景-挑战-方案-收益”的STAR法则，重点突出架构选型思考与极端场景下的优化手段
- 针对AI与底层结合的问题，先阐述对AI业务逻辑的理解，再切入底层技术实现，展现“懂业务也懂底层”的复合视角
- 请详细描述你参与过的最复杂的分布式系统或高并发项目，你是如何解决其中的性能瓶颈或一致性问题的？
- 你对AI Agent的核心架构（如ReAct、Plan-and-Solve）有什么理解？在底层平台层面如何支撑这些架构的运行？
- 在构建Agent运行时（Runtime）时，如何设计长短期记忆（Memory）管理与状态持久化机制以保证高可用？
- 如果让你设计一个支撑海量Agent交互数据的收集与自动化评估系统，你会如何设计数据飞轮（Feedback Loop）？
- 复习分布式系统经典理论（如CAP、Paxos/Raft），并准备1-2个自己主导的底层性能优化或架构重构的深度案例
- 提前体验并阅读阿里开源的AI相关项目（如AgentScope、Higress等）源码，面试时能结合源码提出自己的见解
职位点评
薪资福利85
成长发展95
工作生活50
使命价值90
薪资福利
85较高
作为头部企业的核心AI底层研发岗，薪资水平在市场中具备较强竞争力，且福利体系完善，能较好满足补偿性动机。
薪资信号偏高 (3.5千–6.5万/月)
成长发展
95较高
岗位处于AI大模型与Agent的最前沿，技术栈极具挑战性，能接触到超大规模底层架构，发展性动机得到极大满足。
技术前沿前沿/新兴技术
技术栈AI Agent、LLM、Prompt工程、RAG、分布式系统、C++、Go、Rust、向量数据库
业务类型ambiguous
工作生活
50较低
JD未明确提及工作模式与WLB相关信息，但底层平台研发通常面临较高的系统稳定性要求与复杂技术挑战，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
90较高
参与定义新一代AI基础设施，推动大模型与Agent能力迭代，处于高速增长赛道，具有极强的技术使命感与行业影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号打造业界领先的 AI 底层平台、定义新一代的 AI 基础设施
创新程度开拓性创新（行业首创）
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs