蚂蚁集团
蚂蚁集团-财富AI Lab-Agent 记忆与推荐系统工程师
蚂蚁集团-财富AI Lab-Agent 记忆与推荐系统工程师
发布于 6 小时前普通员工/个人贡献者
全职员工仅现场办公推荐系统
推荐系统
Ai Agent
Rag
推荐系统
架构设计
值不值得投
80综合评分
综合评分 80
聚焦AI Agent记忆与推荐前沿技术，技术壁垒高、成长空间大，适合追求技术极客体验的候选人。
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
5万
比推荐系统中位数高
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 820 个在招
市场机会
选择适中
杭州 · 推荐系统 · 18 个在招
职位详情
关于这个职位
负责蚂蚁财富AI Lab的Agent记忆与推荐系统架构设计与核心研发，构建支持长期、会话和任务记忆的统一平台
结合用户理解实现Agent的主动服务与个性化推荐，优化记忆全链路并建设自进化机制，支撑复杂金融场景下的智能化体验
最低要求
计算机、软件工程等相关专业，本科及以上学历
具备扎实的后端或平台研发经验，有较强的架构抽象、接口设计与工程落地能力，主导过供多个团队使用的框架或平台者优先
熟悉Java/Python/TypeScript语言中的一种，具备良好的代码质量意识与工程规范
有Agent框架或Harness的实际研发或深度使用经验（如Claude Agent SDK、Codex、DSH等），理解其上下文管理、工具调用、状态管理等内部机制
理解Embedding、RAG、Context Engineering、长期状态管理等大模型应用核心问题，熟悉记忆抽取、召回排序、更新、压缩与遗忘中的一个或多个方向
了解推荐系统的基本架构（召回、排序、重排、特征与样本链路），对大模型/Agent与推荐系统的结合（如LLM用户建模、生成式推荐、Agent主动服务）有思考或实践者优先
能够从系统与算法结合的视角分析和优化效果、延迟、成本与可扩展性，有真实复杂线上系统经验者优先
工作职责
负责新一代AI Agent Memory系统的架构设计、核心模块研发与系统演进，建设支持长期记忆、会话记忆、任务记忆的统一记忆平台
负责基于记忆的个性化与主动服务推荐系统建设，将用户长期记忆、实时行为与场景上下文转化为可用的用户理解，支撑Agent在合适的时机主动推荐内容、服务与产品，设计时机判断、候选召回、排序决策与触达的完整链路
负责记忆系统与Agent运行框架的深度集成，设计记忆读写接口、触发机制、上下文组装与压缩策略
设计并优化记忆的写入、整合、检索、更新、压缩与遗忘全链路，支持版本化、可回溯与证据溯源
建设记忆与推荐系统的自进化机制，打通用户反馈信号的采集、归因与回流，支撑记忆内容、召回策略与推荐及服务策略基于真实反馈持续自动迭代，并保证过程可控、可回滚
优先资格
参与过Mem0/MemOS/Letta等Memory项目或主流开源Agent框架，对社区主流Memory方案有深入理解，有开源影响力或代表性技术成果
研究过Claude Code、Codex、ChatGPT等产品的记忆机制，或有编程Agent、桌面端Agent、本地优先应用的研发经验
有大模型评测平台、实验平台、链路追踪系统，或用户画像、特征平台的建设经验
有大规模搜广推系统的研发经验，或做过主动触达、消息推送、智能助理主动服务等“时机+内容”决策类系统
有金融等强合规场景的推荐经验更佳
AI 洞察
优缺点分析
优点
- 处于AI Agent与推荐系统结合的最前沿，技术壁垒高，个人技术影响力与核心竞争力提升快
- 依托丰富的金融与财富业务场景，技术落地价值大，能积累复杂高并发系统的实战经验
- 核心研发团队，有机会接触并影响主流开源社区或行业标杆产品的技术演进
- 需要同时兼顾系统架构的稳定性与算法推荐效果，对综合技术视野与跨领域学习能力要求极高
- 适合具备扎实后端架构基础，对大模型、Agent及推荐系统有浓厚兴趣，且喜欢从0到1构建复杂系统的技术极客
缺点 / 挑战
- 记忆系统与推荐系统的结合属于新兴探索方向，缺乏成熟范式，技术攻坚与试错成本较高
角色解读
- 纵向可深耕AI Agent与推荐系统架构，成为该前沿交叉领域的顶尖技术专家
- 横向可向AI产品技术负责人或大模型应用架构师方向发展，主导更大规模的AI业务落地项目
- 设计并研发AI Agent的统一记忆平台，处理长期、会话和任务记忆的读写、压缩与遗忘机制
- 构建基于记忆的个性化推荐系统，实现Agent在合适时机的主动服务与内容推荐
- 优化记忆与推荐的全链路，打通用户反馈信号，实现系统的自进化与自动迭代
- 扎实的后端与平台架构能力，精通Java/Python/TypeScript至少一种，具备优秀的接口抽象与工程落地能力
- 深入理解大模型应用核心问题（如RAG、Context Engineering）及主流Agent框架的内部运行机制
- 熟悉推荐系统基本架构，具备系统与算法结合的视角，能综合优化效果、延迟与成本
申请策略
- 提前体验并分析市面上主流AI产品的记忆机制，形成自己的思考与优化方案，面试时可作为亮点展示
- 了解财富管理或金融合规场景下的推荐系统特殊性，展现对业务场景的深刻理解
- 突出主导过的复杂后端或平台架构设计经验，强调接口抽象、高可用设计与工程落地能力
- 详细列出在Agent框架、RAG、记忆管理或推荐系统方面的实际项目成果与核心优化指标
- 若有开源项目贡献（如Mem0、主流Agent框架）或大模型评测平台建设经验，务必放在醒目位置
- 深入学习主流Agent框架（如Claude Agent SDK、Codex）的源码与上下文管理机制
- 补充推荐系统召回、排序链路的理论知识，并尝试结合LLM进行用户建模的动手实践
面试指南
- 架构设计类：采用“背景/痛点 -> 核心模块拆解 -> 关键技术选型 -> 演进与扩展性”的结构，突出抽象能力与全局观
- 算法与系统结合类：从“数据流/特征流 -> 模型/策略 -> 工程优化（延迟/成本） -> 效果评估”全链路进行阐述，体现系统性思维
- 请设计一个支持长期记忆和会话记忆的Agent Memory系统架构，如何处理记忆的压缩与遗忘？
- 在将记忆系统与推荐系统结合时，如何设计时机判断和候选召回链路？
- 面对大模型应用中的Context Engineering问题，你在实际项目中是如何优化上下文组装与延迟的？
- 如何建设记忆与推荐系统的自进化机制，保证反馈回流过程可控且可回滚？
- 准备1-2个自己主导的复杂系统架构案例，重点复盘设计决策、踩坑经验与最终收益
- 深入了解蚂蚁财富业务背景，思考AI Agent在理财、投顾等场景的具体应用形态与痛点
职位点评
薪资福利85
成长发展95
工作生活50
使命价值80
薪资福利
85较高
岗位属于核心AI技术岗，对架构与算法能力要求高，市场稀缺性强，预计能提供具备竞争力的薪酬回报。
薪资信号未披露（AI估算：3.5千–6.5万/月）
成长发展
95较高
岗位聚焦AI Agent记忆与推荐系统这一前沿交叉领域，技术挑战大，能极大拓宽个人在AI应用架构方面的技术视野与深度。
技术前沿前沿/新兴技术
技术栈AI Agent、Memory System、RAG、Context Engineering、推荐系统、Embedding
业务类型profit_center
工作生活
50较低
JD未提及工作模式与工时安排，作为核心AI研发岗，面临较大的技术攻坚压力，工作节奏可能较快。
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
致力于通过AI Agent提升财富管理的智能化与个性化服务，有助于降低专业金融服务的门槛，具有一定的社会价值与行业前瞻性。
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）
蚂蚁集团 的其他在招职位
相似职位推荐
Watch Jobs