蚂蚁集团
蚂蚁国际-Agent工程师-全球技术
蚂蚁国际-Agent工程师-全球技术
发布于 38 分钟前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Rag
分布式训练
向量数据库
大模型
效果调优
生成式Ai
算力调度
值不值得投
80综合评分
综合评分 80
前沿大模型平台岗，技术成长性极高，薪酬有竞争力，但工作节奏与WLB需进一步评估。
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
43K
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 920 个在招 · 其中人工智能 5 个
市场机会
选择面较广
杭州 · 人工智能 · 约 190 个在招
职位详情
关于这个职位
该职位负责蚂蚁全球大模型平台的工程开发，核心工作包括构建与优化行业Agent（智能体）、RAG（检索增强生成）系统、模型网关以及相关算力调度
需要你紧跟大模型技术前沿，将最新范式落地于业务，并确保线上系统的稳定与优化
最低要求
● Agent交付：期望你有行业垂直Agent构建和效果调优经验，英语能力是加分项
● 智能体平台建设：跟进并落地最先进的Agent范式、上下文工程、效果调优产品套件建设，有模型训练相关数据标注、合成经验更优
● 算力管理建设：熟悉大模型训练与推理的算力调度与资源管理，具备在 Kubernetes 或类似平台上的 GPU/TPU 资源优化、任务队列调度及分布式训练集群运维经验
● RAG建设：具备大模型知识库构建与优化经验，熟悉向量数据库、检索增强生成（RAG）、知识图谱融合及语义检索技术，能够高效处理多源异构数据的清洗、嵌入与索引
● 模型网关： 熟悉大模型技术栈的上下游，包括数据处理、训练/微调框架、推理部署及效果评估，具备扎实的工程实现能力，能快速跟进前沿技术并推动落地，对整体链路有系统性理解和协同优化能力
工作职责
● 参与蚂蚁全球大模型平台的设计与开发，支撑大模型的研发训练以及在业务场景的应用落地
● 独立承接项目需求，负责业务需求分析、系统核心方案设计和代码编写
● 跟进业界大模型与生成式人工智能进展，参与相关的工程能力建设
● 负责线上系统的维护和管理，能线上问题快速定位和优化，保障系统稳定运行
AI 洞察
优缺点分析
优点
- 直接参与全球顶尖的大模型平台建设，技术栈非常前沿，能快速积累稀缺的Agent和MLOps经验
- 蚂蚁集团平台大、资源丰富，有充足的数据和算力来验证和实现复杂的技术方案
- 跨国技术视野，有机会接触和解决全球业务场景下的AI工程问题
- 技术要求全面且深入，需要同时掌握AI算法工程化和大规模系统运维，学习曲线陡峭
- 作为全球平台，对系统稳定性和性能要求极高，需要应对复杂场景下的线上问题
- 行业技术迭代极快，需要持续投入精力跟进和落地最前沿的技术范式
- 具备扎实工程基础（分布式系统、云原生）且对AI工程化（Agent、RAG、训练部署）有强烈兴趣的工程师
缺点 / 挑战
- 不惧挑战，喜欢解决复杂技术问题，并希望在顶级平台快速成长
角色解读
- 技术专家路线：在AI Agent或大模型基础设施领域深耕，成为团队技术核心
- 架构师路线：负责更大规模、更复杂的平台级架构设计，影响多个业务线
- 技术管理路线：带领小团队，负责特定方向的技术规划和团队建设
- 设计和开发蚂蚁全球大模型平台的核心系统，支撑模型训练和业务应用
- 独立负责智能体（Agent）相关功能的开发、效果调优和系统架构设计
- 构建和优化检索增强生成（RAG）系统，处理多源数据并提升知识问答效果
- 负责大模型训练与推理的算力资源管理与调度（如Kubernetes上的GPU集群），并保障线上系统稳定运行
- 扎实的大模型技术栈知识，包括Agent构建、RAG流程、向量数据库和微调/推理部署
- 熟练的分布式系统开发与运维能力，精通Kubernetes、GPU/TPU资源调度和集群管理
- 优秀的工程实现能力，能快速将前沿技术（如新Agent范式）落地为产品或工具
- 良好的系统设计与问题排查能力，能处理复杂的线上系统问题并进行优化
申请策略
- 研究蚂蚁集团的“全球技术”战略和跨境业务场景，思考技术如何为其赋能
- 准备一个能体现你解决复杂AI工程问题能力的深度案例，最好包含挑战、方案和量化结果
- 面试中展现你对大模型技术生态的完整认知和快速学习新技术的能力
- 重点突出与Agent、RAG、大模型训练/推理相关的项目经验，详细说明技术选型和实现效果
- 强调在Kubernetes、GPU集群管理、分布式训练等大规模系统上的实践经历
- 展示独立负责从需求分析到方案设计再到落地的项目能力，体现系统性思维
- 深入理解主流Agent框架（如LangChain, AutoGen）和RAG优化技巧（如高级检索策略）
- 系统学习Kubernetes在AI场景下的应用，包括GPU调度、分布式训练框架（如Ray, DeepSpeed）
面试指南
- 使用STAR法则：重点描述情境(Situation)、任务(Task)、行动(Action)和结果(Result)，突出技术决策和量化成果
- 结构化阐述技术方案：按照架构设计、技术选型、关键实现、性能优化等逻辑展开，体现系统性思考
- 展现技术深度与广度：不仅讲清楚一个点，还要能关联到上下游技术栈（如从RAG讲到向量数据库选型再到GPU加速）
- 请介绍一个你构建或优化过的Agent系统，它的核心架构和效果评估指标是什么？
- 如果让你从零设计一个支持千万级用户的大模型知识库（RAG），你会如何规划架构和考虑关键技术点？
- 在Kubernetes上部署大模型推理服务时，遇到GPU利用率低或响应延迟高的问题，你会如何排查和优化？
- 请解释一下分布式训练中的参数同步（如AllReduce）可能遇到的挑战以及你的解决方案
- 你如何看待当前Agent技术的主要瓶颈？你认为下一个重要的技术突破点可能在哪里？
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
作为顶级科技公司的核心全球技术岗位，薪酬福利具备市场竞争力，能够提供较好的经济回报。
薪资信号未披露（AI估算：30K-55K/月）
成长发展
95较高
岗位处于大模型与Agent技术的最前沿，涉及全球级平台的全链路工程实践，能提供极高的技术成长空间和行业影响力。
技术前沿前沿/新兴技术
技术栈Agent、RAG、Kubernetes、GPU/TPU、分布式训练、大模型、效果调优、向量数据库
成长机会跟进业界大模型与生成式人工智能进展、跟进并落地最先进的Agent范式
业务类型profit_center
工作生活
50较低
JD未提及任何办公模式或WLB相关信息。作为全球技术平台，可能需要跨时区协作或应对线上问题，工作节奏存在不确定性。
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
参与构建全球领先的AI基础设施，技术成果能应用于广阔的跨境业务场景，具有较高的技术探索价值和业务影响力。
行业发展高速增长赛道
社会影响中性/一般
使命信号支撑大模型的研发训练以及在业务场景的应用落地
创新程度开拓性创新（行业首创）
Watch Jobs