亚马逊
Senior Data Engineer, Amazon Global Selling -AIT
Senior Data Engineer, Amazon Global Selling -AIT
发布于 大约 17 小时前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
学历未注明
软件工程
Ai Agent
Llm
Rag
Sql
Emr
AI 估算 · 35k–50k
高级数据工程师，7年以上经验，上海亚马逊，技术栈前沿（AI Agent/LLM），薪资竞争力强，月薪35k-50k合理。
职位详情
关于这个职位
作为亚马逊全球销售团队的资深数据工程师，你将负责设计和构建下一代AI就绪的数据基础设施与AI代理系统
工作内容包括开发生产级别的AI代理、优化RAG管道、构建端到端数据管道，并推动数据治理与标准化
你将与产品、运营和科学团队协作，将业务需求转化为可扩展的技术方案，并指导初级工程师
最低要求
年以上数据工程经验
具有数据建模、数据仓库和构建ETL管道的经验
熟悉SQL
至少精通一种现代脚本或编程语言，如Python、Java、Scala或NodeJS
指导团队成员最佳实践的经验
与用户、其他技术团队和管理层沟通，收集需求、描述数据建模决策和数据工程策略的经验
工作职责
AI Agent 工程
设计、开发和部署生产级AI代理系统，包括多代理编排、工具使用框架、内存管理和API集成，确保可靠性、可扩展性和可维护性
构建并优化检索增强生成（RAG）管道：文档摄入、分块策略、嵌入、向量搜索和重排序，以最大化LLM接地质量
通过提示工程、上下文注入、微调信号筛选和系统化提示评估框架，支持LLM在WWGS业务领域的应用
开发自动化知识库构建和实时数据访问能力（Data Agent、MCP服务器/客户端），将AI代理与实时业务数据连接
设计并实现LLM评估管道，系统评估代理输出质量、幻觉风险和业务影响
数据工程
设计并实现端到端数据管道（批量和流式），用于数据采集、转换和存储，同时支持AI应用和分析用例
构建并维护集成层数据模型，作为跨WWGS领域的统一、AI就绪数据基础
开发自动化数据质量监控、告警和可观察性工具，确保管道可靠性和数据可信度
将多源数据（卖家行为、交易日志、平台外信号、AI输出）整合为一致、受管的数据层
建立数据标准化和治理策略，确保AI和BI消费层的一致性、准确性和合规性
技术领导力
提供AI数据架构决策的技术指导
定义团队AI代理和数据工程栈的最佳实践
与产品、运营和科学团队跨职能协作，将业务需求转化为可扩展的技术方案
指导初级工程师并主持设计评审
提升团队整体技术水平
优先资格
具有大数据技术经验，如：Hadoop、Hive、Spark、EMR
运营大型数据仓库的经验
AI 洞察
优缺点分析
优点
- 亚马逊全球顶级平台，接触海量电商数据，数据规模和处理复杂度极高，技术成长快
- 前沿技术栈（AI Agent、RAG、LLM），紧跟AI大模型应用浪潮，职业含金量高
- 内部机会多，可转岗至其他核心团队，职业路径灵活
- 薪资福利优厚，股票期权，成熟的人才培养体系
- 对技术全面性要求高，需同时掌握数据工程和AI工程，学习曲线陡峭
- 跨部门协作频繁，沟通成本高，需具备较强的业务理解能力
缺点 / 挑战
- 工作强度较大，亚马逊注重结果，可能面临较高绩效压力
- 适合有扎实数据工程背景，对AI代理和LLM应用充满热情，愿意在快速变化的技术领域持续学习，且能承受一定工作压力的资深工程师
角色解读
- 技术纵深发展：成为AI数据架构专家或LLM应用专家，主导公司级AI数据基础设施建设
- 管理路线：晋升为数据工程经理或技术总监，带领团队推动更复杂的AI项目
- 横向扩展：向AI科学家或高级解决方案架构师转型，深入业务与算法结合
- 设计并构建AI代理系统，包括多代理编排、工具使用和RAG管道，让AI能直接为卖家业务提供智能洞察
- 开发端到端数据管道（批量和流式），整合卖家行为、交易日志等多源数据，形成统一的AI就绪数据层
- 建立数据质量监控和治理策略，确保数据可信度，并指导初级工程师提升团队技术水平
- 精通数据工程核心技能：SQL、Python/Java等编程语言、数据建模、ETL管道构建
- 具备大数据技术经验：Hadoop、Spark、Hive等，能处理海量数据
- 熟悉AI代理和LLM相关技术：RAG、提示工程、向量数据库、LLM评估等
- 良好的沟通与领导力，能与跨团队协作并指导新人
申请策略
- 研究亚马逊全球卖家的业务模式，了解卖家痛点，面试时能结合业务场景讨论技术方案
- 准备一个端到端数据+AI项目的详细案例，从需求、架构设计到部署效果，展示全栈思考
- 突出7年以上数据工程经验，重点展示数据建模、ETL管道和大数据技术的实际项目
- 强调AI相关经验：任何RAG、LLM、Agent开发或提示工程的实践，即使是探索性项目
- 列出指导团队、跨部门协作和技术决策的实例，体现领导力
- 使用量化成果，如管道吞吐量提升、数据质量改进等
- 补充AI Agent框架（如LangChain、AutoGPT）和向量数据库（Pinecone、Weaviate）的动手经验
- 深入学习LLM评估方法和提示工程技巧，可通过开源项目或Kaggle练习
面试指南
- STAR法则：情境-任务-行动-结果，清晰描述项目的背景、个人角色、具体行动和量化成果
- 对比分析：在技术选型时，比较不同方案的优缺点，展示决策逻辑
- 分层回答：从宏观架构到微观细节，展示系统思考能力
- 请描述你设计并实现过一个复杂数据管道的经历，包括技术选型和遇到的挑战
- 如何构建一个RAG管道？你如何选择分块策略和嵌入模型？
- 谈谈你对AI Agent架构的理解，如何保证多代理系统的可靠性和可扩展性？
- 在数据工程中，如何处理数据质量问题和监控数据管道？
- 你如何指导初级工程师？给出一个具体例子
职位点评
77
综合评分
大平台、前沿AI技术栈、高薪资，但工作强度和灵活性一般。
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。
更适合这类人
最适合追求技术成长和职业发展的资深工程师，愿意接受挑战和一定的工作强度。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展90
工作生活50
使命价值70
薪资福利
85较高
薪资和市场竞争力强，但未明确具体福利，股票和年终奖依赖公司整体政策。
薪资信号未披露（AI估算：35K-50K/月）
成长发展
90较高
技术栈前沿，涉及AI Agent和LLM，成长机会多，团队有指导文化，晋升路径明确。
技术前沿前沿/新兴技术
技术栈AI Agent、RAG、LLM、Python、Spark、AWS
成长机会Mentor junior engineers、Design reviews、technical guidance
业务类型profit_center
工作生活
50较低
未提及工作模式，亚马逊通常要求办公室上班，且可能加班文化，灵活性一般。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
帮助中国卖家出海，有商业意义，但对社会直接贡献不明显。
行业发展高速增长赛道
社会影响中性/一般
使命信号helping individuals and businesses increase sales
创新程度积极采用新技术
亚马逊 的其他在招职位
相似职位推荐
Watch Jobs