蚂蚁集团
蚂蚁集团-AI 应用架构工程师-支付宝技术
蚂蚁集团-AI 应用架构工程师-支付宝技术
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公架构师
架构师
Llamaindex
Llm
Rag
分布式系统
多模态
值不值得投
78综合评分
综合评分 78
头部金融科技平台、AI前沿技术栈、薪资竞争力强，但工作节奏较快。
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
比架构师中位数低
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 780 个在招 · 其中架构师 14 个
市场机会
选择面较广
杭州 · 架构师 · 60 个在招
职位详情
关于这个职位
该职位主要负责支付宝技术团队的AI应用架构设计与核心代码编写，利用大模型和Agent技术提升研发效能并赋能业务创新
你需要具备扎实的Java工程基础和AI工程化落地经验，通过沉淀可复用的技术组件和框架，助力业务降本提效
最低要求
AI工程化能力，熟悉大模型LLM生态及主流的Agent开发框架（LangChain、LlamaIndex等），在RAG、上下文工程、Harness工程、多模态数据处理（文本/图像/音频）等方面有实际工程落地经验
能基于claude code、codex等工具，设计、调度和优化Agent执行链路，沉淀可复用的skills和工作流
扎实的工程基础与三年以上 Java 开发经验，熟悉 IO、多线程、集合等基础框架，理解 JVM 原理与面向对象设计，具备良好的代码风格与编程习惯
熟悉主流数据库、缓存、MQ、ES 等中间件，熟悉 Spring、Dubbo等开源框架及其原理机制
熟悉分布式理论与分布式系统设计，能针对具体业务场景提出可落地的分布式解决方案
具备体系化的问题分析与拆解能力，能充分理解业务、产品目标，产出可执行的目标达成策略，并对具体问题进行有效拆解与量化，确保目标最终达成
具备良好的跨团队协作与 Owner 意识，能主动拿结果、沉淀技术文档与最佳实践
工作职责
深入挖掘和分析业务需求，产出可落地的技术方案与系统设计，编写系统核心代码，把控交付质量，高质量完成业务需求交付
站位全局与长期视角进行系统性思考，沉淀并落地可复用的能力组件、框架或平台，提升团队研发效率与服务复用度
通过数字化方式洞察业务机会点，反哺业务与运营，助力降本提效
借助 AI 大模型、Agent 等技术提升研发效能，并赋能业务实现产品创新与卡位
优先资格
加分项: 具有数字出行、互联网用车服务、互联网运营等领域背景
有多模态Agent规模化应用经验
AI 洞察
优缺点分析
优点
- 处于AI大模型应用落地的核心赛道，能够积累前沿的AI工程化和Agent开发经验，技术壁垒高
- 依托支付宝庞大的业务场景，技术成果能直接产生巨大的业务价值，个人成就感强
- 大模型技术迭代极快，需要持续保持高强度的学习以跟进最新的生态和框架
- 适合具备扎实Java后端基础，且对AI大模型和Agent技术有浓厚兴趣及实际落地经验的开发者
缺点 / 挑战
- 架构设计需要兼顾业务短期交付与长期技术沉淀，对全局思考和跨团队协调能力要求较高
角色解读
- 纵向可发展为资深技术专家或首席架构师，主导更大规模的AI技术架构演进
- 横向可向AI业务负责人或技术管理岗转型，带领团队实现AI技术对业务的深度赋能
- 负责支付宝技术业务的AI应用架构设计与核心代码编写，将大模型和Agent技术落地到实际业务场景中
- 沉淀可复用的技术组件、框架和平台，提升团队整体研发效能，并通过数字化手段洞察业务机会，助力降本提效
- 扎实的Java后端开发基础，精通分布式系统设计及Spring、Dubbo等主流框架
- 具备AI工程化能力，熟悉LLM生态、Agent开发框架（如LangChain）及RAG、多模态数据处理等技术
申请策略
- 提前了解支付宝在AI应用和数字出行领域的最新业务动态，面试时结合业务场景阐述技术思考
- 重点突出在LLM、Agent、RAG等AI工程化方面的实际项目经验和落地成果
- 展示扎实的Java分布式架构设计能力，以及在复杂业务场景下解决技术难题的案例
- 深入学习LangChain、LlamaIndex等主流Agent框架，掌握多模态数据处理和上下文工程
- 提升对大模型底层原理的理解，以及基于Claude Code等工具优化Agent执行链路的实践能力
面试指南
- 采用STAR法则描述项目，重点突出技术选型的思考过程、遇到的难点（如幻觉控制、延迟优化）及量化收益
- 结合具体业务场景，从系统分层、中间件选型、容灾降级等维度系统性回答架构问题
- 请分享一个你主导的基于大模型或Agent的实际落地项目，遇到了哪些工程化挑战及如何解决？
- 在分布式系统设计中，如何保证高并发场景下的一致性和高可用性？
- 如何评估和优化RAG系统的检索准确率与生成质量？
- 面对业务需求和技术沉淀的冲突，你如何进行架构设计和资源分配？
- 复习Java核心基础及分布式理论，准备2-3个自己主导的复杂架构设计案例
- 深入了解当前主流的Agent框架和RAG优化策略，准备相关的技术见解和实践经验
职位点评
薪资福利85
成长发展90
工作生活50
使命价值75
薪资福利
85较高
作为头部金融科技企业的核心架构岗，薪资福利在行业内具有较强竞争力，且AI大模型落地经验属于市场稀缺技能，薪资溢价明显。
薪资信号未披露（AI估算：3千–6万/月）
成长发展
90较高
岗位处于AI大模型应用落地的最前沿，技术栈新颖且极具挑战性，能极大提升个人在AI工程化领域的核心竞争力。
技术前沿前沿/新兴技术
技术栈LLM、Agent、LangChain、LlamaIndex、RAG、Java、Spring、Dubbo、分布式系统
业务类型profit_center
工作生活
50较低
JD未明确提及工作模式和WLB相关信息，但作为核心业务线的架构岗，通常需要投入较多精力应对复杂的系统设计与业务交付。
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
依托国民级应用平台，技术成果能直接服务海量用户，在推动AI技术普惠和业务创新方面具有较高的社会价值。
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