天猫
业务技术-AI应用研发-用户场景＆营销方向
业务技术-AI应用研发-用户场景＆营销方向
发布于 大约 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
Ai编程工具
Llm
Prompt Engineering
Rag
数据工程
知识图谱
多模检索
值不值得投
78综合评分
综合评分 78
前沿AI技术栈、全流程落地机会、薪资有竞争力但工作生活平衡需确认。
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
28K
比人工智能中位数低
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 350 个在招 · 其中人工智能 11 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
该职位是天猫的AI应用研发岗位，专注于用户场景与营销方向
你将利用Agent、RAG、多模检索等前沿技术，推动AI在业务中真实落地，参与从需求洞察到系统构建的全流程，实现技术驱动业务增长的价值转化
最低要求
基础条件：计算机、软件工程、人工智能、数据科学等相关专业优先
专业能力：AI 编程工具重度使用者：熟练使用 Cursor、Claude Code 等 AI 编程工具，具备极强的 Prompt 编写与调优能力，有完整的项目级开发经验，理解如何让 AI 稳定产出生产级代码
大模型能力理解与掌握：理解主流 LLM 的能力与局限，能够清晰拆解任务，并通过 LLM 与确定性逻辑组合实现兜底
熟悉主流应用范式（Prompt / Context Engineering、Agent、工具 / 函数调用、MCP 等）及主流 Agent 框架（如 LangChain 等）
对大模型幻觉、Prompt 注入等风险具备工程化应对思路
扎实的代码与工程能力：计算机基础扎实，深入理解数据结构、算法、网络与操作系统
至少在一门主流编程语言（Java / Python / JS 等）上有深度实践经验，掌握常见工程实践，具备优秀的 Coding 能力，能够根据场景灵活选型并快速上手
能力特质：学习能力：具备快速啃透前沿论文的能力，并能将理论转化为工程代码
开放性与动手能力：拒绝纸上谈兵，有独立完成的开源项目或个人 Demo，展现极客精神
好奇心与想象力：面对未知事物有独特的想法，具备敏锐的问题定义能力与坚韧的问题解决能力
审美追求：技术亦有审美，能提出打动人心、简洁优雅的好想法
高能动性：具备强烈的自驱力，主动探索边界，而非等待被分配任务
工作职责
需求理解与归因：深入业务场景，利用数据挖掘与特征分析完成现象归因，精准识别高价值问题
将模糊的业务痛点转化为可度量、可验证的 AI 解决目标与效果指标
架构设计：面向具体业务需求，设计 AI 原生系统架构
参与 Agent 系统核心模块规划，包括记忆管理、推理与规划策略、工具编排，兼顾架构的灵活性、可扩展性与工程可落地性
数据引擎——为 AI 提供高效燃料：建设多源异构数据的接入、清洗、加工与服务化管道，打通业务系统、日志、文档、多媒体等数据源
保障数据的时效性、一致性与可追溯性，形成可持续供给的数据资产与数据飞轮
知识引擎——让 AI 拥有业务知识：构建高维知识体系：语义层、本体 / 知识图谱、业务术语与规则的结构化表达
建设 RAG 与多模态检索能力（文本 / 表格 / 图片 / 音视频），持续优化召回质量、排序策略与上下文注入方案（Context Engineering）
搭建 AI 与现有业务系统的交互环境，涵盖 API / MCP 接入、工具注册与记忆方案设计，为模型提供准确、及时的执行环境与知识支撑
核心能力实现：负责 Agent 关键模块的工程落地，实现意图识别、任务拆解、工具调用与反思纠错闭环
封装标准化 SDK / API 服务，降低业务接入成本
构建 Agent 可观测体系，实现全链路追踪与多维归因分析，让效果好坏可解释、可定位
训练评测与系统演进：搭建评测集与自动化评测、回测机制，建立效果基线与回归防护
通过 SFT / DPO 等模型调优、大模型评测与归因分析，结合 Case 分析持续收敛效果、性能与成本的最优路径
沉淀方法论与可复用组件，推动 AI 能力从单点验证走向规模化落地
性能优化与稳定性保障：优化高并发场景下的系统性能，通过异步处理、缓存、限流与降级策略保障服务稳定
通过低侵入性观测手段保障系统的长期稳定运行
优先资格
加分项：能力底座方向：有 AI 多模检索、知识引擎（语义层 / 本体 / 知识图谱）、数据引擎的建设经验
有大模型评测体系与 Badcase 归因分析的实战经验
有 SFT / DPO / RL 等模型训练调优的实际业务经验，NLP 方向理论基础扎实
落地经验方向：有 AI 应用或 Agent 的实际落地经验，包括但不限于 RAG 系统、多智能体编排、结合 MCP / Skill 的 Agent 项目，有可展示的项目 / 实习成果者优先
技术影响力方向：在 GitHub 上有高质量 AI 项目，或有优质技术博客与社区影响力
AI Infra 方向：了解 vLLM、SGLang、Ollama 等推理框架原理，理解延迟优化、KV Cache 优化、流式输出等工程全局视角
AI 洞察
优缺点分析
优点
- 接触前沿AI技术（如Agent、多模态RAG），在真实业务场景中实践，技术成长空间大
- 参与从0到1的AI系统建设，能完整掌握AI落地全流程，提升架构设计与工程能力
- 背靠大型平台，资源丰富，项目规模大，有利于积累高影响力成果与行业视野
- 技术更新快，需持续跟踪前沿并快速工程化，对学习能力和适应性要求高
- 业务需求多变，需频繁与业务方对齐，沟通协调与问题转化能力很重要
- 适合对AI技术有热情、具备扎实工程基础、喜欢解决复杂业务问题的开发者，尤其适合追求技术深度与落地影响的求职者
缺点 / 挑战
- 涉及多环节闭环（归因、评测、优化），需平衡效果、性能与成本，复杂度较高
角色解读
- 技术专家路线：深入AI基础设施与算法优化，成为领域内资深架构师或技术专家
- 技术管理路线：承担更多团队协调与项目管理职责，向技术经理或总监方向发展
- 业务融合路线：成为AI与业务交叉领域的复合型人才，推动AI战略落地与创新
- 设计并实现AI原生系统架构，聚焦Agent、RAG等前沿技术在业务场景中的应用
- 负责从需求归因、数据/知识引擎建设到核心模块工程落地的全流程，确保AI能力规模化复制
- 搭建评测与监控体系，持续优化模型效果、性能与成本，推动技术驱动业务增长
- 精通AI编程工具如Cursor、Claude Code，具备强Prompt工程与大模型应用开发能力
- 扎实的代码工程基础，熟悉Java/Python等语言，理解数据结构、算法与系统设计
- 深入理解LLM能力与局限，熟悉Agent框架（如LangChain）、RAG、多模检索等技术栈
- 具备快速学习、问题解决与自驱能力，能将前沿论文转化为工程实践
申请策略
- 研究天猫的业务场景与AI应用方向，在面试中展示对业务痛点的理解与AI解决思路
- 准备个人Demo或开源项目展示，突出动手能力与极客精神，符合JD中的特质要求
- 关注AI伦理与风险（如幻觉、注入），在回答中体现工程化应对的思考
- 突出AI项目经验，尤其是Agent、RAG或多模态应用的具体成果与量化指标
- 展示对AI编程工具的熟练使用，以及通过Prompt工程优化开发效率的案例
- 强调代码工程能力，如算法竞赛、开源项目或大规模系统开发经历
- 体现问题解决与学习能力，例如快速掌握新技术并应用于实际场景的例子
- 深入实践主流Agent框架（如LangChain）和RAG系统搭建，强化多模态检索知识
面试指南
- 对于项目经验问题，采用STAR法则（情境、任务、行动、结果）结构化回答，突出技术决策与业务影响
- 对于架构设计问题，先阐述核心概念（如记忆、规划），再结合具体场景说明设计思路与权衡
- 对于评测问题，从评测集构建、自动化机制到归因分析，展示系统化的质量保障方法
- 对于风险应对问题，结合工程实践（如兜底逻辑、观测监控）说明如何降低风险
- 对于职业动机问题，结合个人兴趣、技术趋势与公司业务，表达对AI落地的热忱
- 请描述一个你参与过的AI应用项目，如何从需求到落地？遇到了哪些挑战？
- 你对Agent架构中的记忆管理和工具编排有什么理解？如何设计一个可靠的RAG系统？
- 如何评估大模型应用的效果？你有哪些评测方法和指标？
职位点评
薪资福利75
成长发展90
工作生活60
使命价值85
薪资福利
75中等
该职位提供行业竞争力的薪资和福利，但具体数字未在JD中披露，需通过面试确认。
薪资信号面议 (20K-35K/月)
成长发展
90较高
JD强调前沿技术、工程落地与全流程参与，提供强大的技能成长与职业发展机会。
技术前沿前沿/新兴技术
技术栈Agent、RAG、多模检索、LLM、Prompt Engineering、知识图谱、SFT、DPO、LangChain、vLLM
成长机会从单点验证走向规模化落地、沉淀方法论与可复用组件
业务类型profit_center
工作生活
60中等
JD未提及办公模式或工作时间安排，无法判断工作生活平衡情况，可能需现场办公。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
85较高
AI技术驱动业务增长，具有较高创新性和社会影响力，但JD未明确提及使命或价值观。
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