阿里巴巴
Agentic大模型算法工程师
Agentic大模型算法工程师
发布于 15 小时前普通员工/个人贡献者
全职员工仅现场办公算法优化工程师
算法优化工程师
Agent系统
Onnx
Pytorch
Tensorflow
Tensorrt
大语言模型
模型蒸馏
值不值得投
76综合评分
综合评分 76
前沿大模型技术岗位，成长空间大，薪资有竞争力，但办公灵活性和WLB未知。
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
2.8万
比算法优化工程师中位数低
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 2790 个在招 · 其中算法优化工程师 约 110 个
市场机会
选择面较广
上海 · 算法优化工程师 · 约 120 个在招
职位详情
关于这个职位
该职位专注于大模型在特定任务场景的落地应用，负责优化模型部署、设计大小模型协同框架、改进记忆系统，以解决模型知识不足和部署成本高的问题，助力打造业界领先的Agent系统并支撑商业化目标
最低要求
基本要求：
本科及以上学历，计算机科学、人工智能、软件工程、电子信息等相关专业，1-3年及以上大模型部署、优化或相关领域工作经验
具备良好的沟通协调能力、问题解决能力和团队协作精神，对技术有强烈的探索欲，能快速跟进前沿技术并落地应用
责任心强，具备严谨的逻辑思维，能独立负责核心技术模块的设计、开发与优化，高效推进项目落地
核心技能要求：
熟悉大语言模型（LLM）的基本原理，有小模型蒸馏、大小模型协同推理相关经验，熟悉Harness相关知识并能灵活研发使用
掌握Memory优化相关技术，有模型记忆系统、上下文管理引擎开发经验，能解决模型记忆遗忘、跨会话丢失等痛点，熟悉多级记忆系统的设计与实现
熟练掌握Python、C++等编程语言，熟悉PyTorch、TensorFlow等深度学习框架，了解ONNX、TensorRT等推理优化工具
了解OpenClaw或类OpenClaw平台的应用场景，有Agent系统相关开发或优化经验者优先
工作职责
充分利用云电脑GPU资源（以5880为主），实现小型语言模型的高效部署，兼顾部署效率与模型精度
设计并落地适用于协同推理的大小模型协同框架及小模型蒸馏框架，弥补小模型专业知识不足、大模型部署成本高、响应延迟高的短板
针对大模型输入窗口限制，构建短时-中时-长时多级闭环记忆系统，开发OpenClaw专属Context Engine记忆调度引擎，解决模型记忆遗忘、检索低效、引用错误、跨会话丢失等核心痛点，打造高可靠、高易用的记忆交互体验
跟进行业前沿技术，持续优化模型部署性能、协同推理效率及Memory管理机制，保障系统稳定运行
优先资格
有大模型输入窗口扩展、Context Engine调度引擎开发相关经验
有顶会论文发表和比赛经验者优先
参与过大模型商业化项目，了解Agent系统的商业化落地逻辑与需求
AI 洞察
优缺点分析
优点
- 技术前沿：聚焦大模型和Agent系统，处于人工智能热门领域
- 公司平台：依托阿里巴巴，资源丰富且商业化机会多
- 技能积累：能接触部署优化、协同框架等核心技术，提升专业深度
- 团队协作：与资深工程师合作，促进快速成长
- 技术难度高：需解决模型部署、记忆系统等复杂问题，对学习能力要求高
- 竞争激烈：大模型领域人才集中，需保持技术领先
- 适合对大模型技术有浓厚兴趣、喜欢解决复杂工程问题、追求技术深度和行业前沿的求职者
缺点 / 挑战
- 项目压力：需支撑商业化目标，可能面临交付和优化压力
角色解读
- 从算法工程师成长为高级算法工程师或技术专家，深入特定技术领域
- 可转向系统架构师，负责整体技术方案设计
- 有机会转向技术管理岗位，带领团队推进项目落地
- 负责大语言模型的部署优化，利用GPU资源实现高效推理，平衡效率与精度
- 设计大小模型协同框架和小模型蒸馏框架，解决知识不足和成本延迟问题
- 构建多级记忆系统和记忆调度引擎，管理模型上下文以提升交互可靠性
- 跟踪前沿技术，持续改进系统性能和稳定性
- 掌握大语言模型原理，具备小模型蒸馏和协同推理实战经验
- 精通Memory优化技术，能设计开发记忆系统解决遗忘和跨会话问题
- 熟练使用Python、C++编程，熟悉PyTorch、TensorFlow及推理优化工具
- 了解Agent系统应用场景，有相关开发或优化经验优先
申请策略
- 在简历或面试中，具体描述解决模型痛点的技术方案，展示问题解决能力
- 提前了解阿里巴巴的Agent系统方向和业务需求，针对性准备
- 突出大模型相关项目经验，如部署优化、蒸馏框架或记忆系统开发
- 强调Python、C++及深度学习框架的熟练度，列出具体工具和应用
- 展示对Agent系统或类似平台的理解，如有相关案例更佳
- 提及论文、比赛或商业化项目经验，以体现技术实力
- 深入学习大模型部署优化工具（如TensorRT、ONNX），提升实战能力
- 研究记忆系统设计，了解多级上下文管理机制
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述项目经验
- 结合具体技术细节，如框架选择、优化方法、性能指标
- 强调对问题的深入分析和创新解决方案
- 如何优化大模型在特定硬件上的部署性能？请举例说明
- 解释小模型蒸馏的基本原理及在协同推理中的应用
- 设计一个短时-中时-长时记忆系统，如何处理跨会话丢失问题？
- 描述你过去解决模型记忆遗忘或检索低效的经验
- 对OpenClaw或类似平台有哪些了解？如何应用于Agent系统？
职位点评
薪资福利80
成长发展85
工作生活60
使命价值75
薪资福利
80较高
该职位薪资估算处于市场中上水平，公司为已上市巨头，但福利和具体待遇未在JD中提及。
薪资信号未披露（AI估算：2千–3.5万/月）
成长发展
85较高
职位聚焦前沿大模型技术，提供深入优化和系统设计的机会，有利于技能快速提升和职业成长。
技术前沿前沿/新兴技术
技术栈大语言模型、小模型蒸馏、大小模型协同、Memory优化、Python、C++、PyTorch、TensorFlow、Agent系统
业务类型profit_center
工作生活
60中等
JD未明确提及办公模式和工作强度，无法判断WLB情况，可能需现场办公。
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
75中等
职位致力于打造领先Agent系统并支撑商业化，有明确的技术使命和行业增长前景。
行业发展高速增长赛道
社会影响中性/一般
使命信号助力JVSClaw打造业界领先的Agent系统、支撑商业化目标达成
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