蚂蚁集团
蚂蚁集团-Agent研发工程师-杭州
蚂蚁集团-Agent研发工程师-杭州
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人工智能
人工智能
Agent架构
Llm评测
Nl2Sql
Nlp
Prompt Engineering
Rag
Sql
大模型(Llm)
数据分析
值不值得投
78综合评分
综合评分 78
前沿大模型技术驱动、业务赋能导向强、研发挑战与成长空间并存的中高级技术岗。
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
4.5万
比人工智能中位数高
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 · 其中人工智能 41 个
市场机会
选择面较广
杭州 · 人工智能 · 约 430 个在招
职位详情
关于这个职位
负责构建数据分析数字员工能力（涵盖报表制作、数据洞察分析与告警播报），并搭建蚂蚁办公的大模型评测体系与自动化流水线，支撑产品持续迭代
需综合运用Python、SQL及大模型技术完成工程落地与算法优化
最低要求
本科及以上学历，计算机、统计学、数据科学等相关专业
3年以上工作经验，有数据分析、大模型应用、NLP/SQL相关背景
熟练掌握Python，具备扎实的数据处理和工程实现能力
熟悉SQL和数据分析基础，理解指标口径、数据建模、OLAP等概念
了解大模型基本原理，有Prompt Engineering/RAG/微调相关经验
工作职责
负责数据分析数字员工能力建设，能力上包含报表制作、数据洞察分析、告警播报等
构建蚂蚁办公Benchmark体系，建立可持续运行的自动化评测流水线，为蚂蚁办公的迭代升级提供依据
优先资格
有LLM Benchmark/评测体系构建经验，熟悉主流评测框架（如OpenAI Evals、LM-Eval-Harness等）
有NL2SQL/Text2SQL相关经验，了解Spider、BIRD-SQL等学术Benchmark
有BI/数据分析产品经验，理解业务分析场景和用户痛点
有大模型推理优化经验（Chain-of-Thought、ReAct、多步推理等）
有学术论文发表经验（ACL、VLDB、SIGMOD等）
熟悉DeepInsight/PowerBI/Tableau/FineBI等类似数据洞察平台
AI 洞察
优缺点分析
优点
- 聚焦大模型与Agent前沿技术，技术栈极具竞争力与行业前瞻性
- 依托头部互联网平台资源，拥有海量真实业务数据与高并发应用场景
- 评测体系与数字员工建设直接赋能内部提效，成果可见度高且易出亮点
- 团队技术氛围浓厚，有机会接触顶会论文与工业级大模型落地实践
- 大模型应用落地仍处于快速迭代期，需求与技术边界可能频繁变动
- 适合具备扎实工程基础、对大模型应用充满热情，且希望在头部平台深耕AI落地的中高级技术人员
缺点 / 挑战
- 内部办公场景对准确率与稳定性要求极高，调试与优化压力较大
- 需兼顾算法研究与工程实现，对全栈能力与跨部门沟通协作要求较高
角色解读
- 向大模型应用架构师或AI产品经理方向演进，主导复杂AI系统的整体设计与落地
- 深耕垂直领域AI Agent研发，成为具备行业Know-how的复合型技术专家
- 积累技术管理潜力，未来可带领团队攻坚前沿AI技术与业务赋能项目
- 负责设计并开发数据分析类数字员工，实现报表自动生成、数据洞察与智能告警等功能
- 搭建面向企业内部办公场景的大模型评测基准（Benchmark）与自动化测试流水线
- 将Prompt Engineering、RAG及微调等技术落地到实际业务系统中，提升办公效率
- 持续优化大模型推理链路（如CoT、ReAct），确保输出结果的准确性与稳定性
- 扎实的Python编程与数据处理能力，能够独立完成工程化开发与性能调优
- 深入理解大模型原理，熟练掌握RAG架构、Prompt设计及模型微调技术
- 精通SQL与数据分析方法论，熟悉OLAP、数据建模及指标体系设计
- 具备LLM评测框架使用经验，熟悉主流开源评测工具及NL2SQL技术栈
申请策略
- 提前调研蚂蚁集团在AI办公领域的最新布局与公开技术博客，面试时展现业务理解
- 准备1-2个完整的大模型应用落地案例，重点阐述从需求分析、技术选型到效果评估的全流程
- 突出Python工程实战与大模型项目经验，量化展示RAG/Prompt优化带来的效果提升
- 详细列举参与的LLM评测体系搭建过程，说明使用的框架、数据集及核心贡献
- 强调SQL数据分析与业务指标理解能力，体现技术解决业务痛点的闭环思维
- 系统学习主流LLM评测框架（如LM-Eval-Harness），掌握自动化流水线搭建方法
- 深入研究NL2SQL与复杂推理技术（CoT/ReAct），积累典型场景的调优案例
- 补充BI工具与数据可视化知识，提升对业务分析场景的理解与产品化思维
面试指南
- 采用STAR法则结构化回答，清晰交代背景、任务、行动与结果，突出个人技术决策逻辑
- 针对技术问题，先阐述底层原理，再结合具体场景说明方案选型依据，最后用数据验证效果
- 遇到开放性问题时，先界定边界条件，提出多维度解决方案，并主动探讨潜在风险与权衡
- 请详细介绍你过往项目中RAG或Prompt Engineering的具体实现方案与优化难点
- 如何设计一个稳定可靠的大模型评测体系？你会选择哪些核心指标与测试集？
- 面对NL2SQL生成错误率高的问题，你的排查思路与解决方案是什么？
- 大模型推理优化中，Chain-of-Thought或多步推理在实际业务中如何平衡延迟与效果？
- 复习大模型核心机制（Attention、Transformer架构）及主流微调/对齐技术
职位点评
薪资福利75
成长发展90
工作生活65
使命价值80
薪资福利
75中等
职位描述未明确披露薪资福利细节，但基于岗位层级与技术领域，预计薪酬处于市场中上水平。
薪资信号未披露（AI估算：3.0千–6.0万/月）
成长发展
90较高
岗位深度绑定大模型与Agent前沿技术，提供丰富的技术探索空间与行业领先的实践平台。
技术前沿前沿/新兴技术
技术栈Python、LLM、RAG、Prompt Engineering、NL2SQL、Chain-of-Thought、ReAct
业务类型cost_center
工作生活
65中等
职位描述未明确提及办公模式与工时安排，具体工作节奏需以实际入职为准。
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技术赋能企业数字化办公，推动生产力工具智能化升级，具有明确的业务价值与社会效益。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs