天猫
业务技术-AI Agent工程师-商品方向
业务技术-AI Agent工程师-商品方向
发布于 3 天前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Langgraph
Llm
Mcp
Multi-Agent
Prompt Engineering
Rag
高并发
值不值得投
74综合评分
综合评分 74
前沿Agent技术、核心电商业务、高挑战高回报，但工作生活平衡可能一般。
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。
薪资怎么样
48K
与人工智能中位数基本持平
发布情况
新岗位 · 2 天前发布
公司情况
这家公司招聘很活跃
约 290 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
这是一个在天猫商品域，利用大语言模型和Multi-Agent技术重塑商品全生命周期的高阶技术岗位
你将负责商品发布、管理、理解等核心链路的Agent化改造，并设计端到端的Agent编排、工具调用和RAG方案
工作涉及高并发场景，需要扎实的工程功底和对前沿AI技术的深入理解
最低要求
本科及以上学历，3 年以上后端 / AI 工程经验，扎实的 Java 或 Python 功底，熟悉分布式与高并发系统设计
熟练使用 Qoder、Cursor、Claude Code、Copilot、Windsurf 等主流 AI 编程工具，具备 AI 辅助开发实战经验
熟悉至少一种 Agent 开源框架（LangChain / LangGraph、agentscope、openclaw、Hermes Agent、Dify、MetaGPT 等）的原理与源码
熟悉 ReAct、Plan-and-Execute、Multi-Agent、Reflection、RAG 等主流 Agent 范式，掌握 Prompt / Context Engineering 与 MCP、Function Calling
有商品、交易、库存等高并发业务场景的工程经验，熟悉幂等、限流、降级、缓存等保障手段者优先
有 LLM 微调、向量检索、Agent 沙箱或 LLM Gateway 落地经验者优先
有较强的自主学习与跨团队沟通能力，良好的责任心、团队协作精神和抗压能力
工作职责
参与商品发布、管理、理解相关 Agent 的技术研究与产品研发，结合 LLM / Multi-Agent 重塑商品全生命周期
负责高并发商品消费、库存扣减等核心链路的 Agent 化改造，保障大促级流量下的稳定性与一致性
为商品域提供 Agent 编排、工具调用、RAG 知识库等端到端方案的设计与落地，推动横向能力复用
与SPU/类目技术、发布端、IC 中心等团队协同，沉淀商品 Agent 平台与最佳实践，包括但不限于商品分类、属性抽取、标题生成、图像识别（如主图识别、多模态理解）、商品去重与归一化等
优先资格
有商品、交易、库存等高并发业务场景的工程经验，熟悉幂等、限流、降级、缓存等保障手段者优先
有 LLM 微调、向量检索、Agent 沙箱或 LLM Gateway 落地经验者优先
AI 洞察
优缺点分析
优点
- 站在LLM和Multi-Agent技术应用的最前沿，有大量机会将前沿技术落地到实际业务，技术成长快
- 背靠阿里巴巴集团，技术氛围浓厚，有丰富的内部技术分享和资源，平台视野广阔
- 薪资待遇在行业内具有较强竞争力，福利体系完善
- 跨团队协同多，对沟通能力和项目推进能力要求高
- 适合对AI Agent技术有浓厚兴趣，具备扎实后端功底，渴望在大型电商平台解决高并发和复杂业务问题的资深工程师
缺点 / 挑战
- 身处天猫核心业务，接触海量高并发场景，技术挑战大，能快速积累宝贵的工程经验
- 大促级流量下的稳定性要求极高，工作压力大，可能需要应对高强度的工作节奏
- Agent技术尚在快速发展期，需要持续学习和跟进最新研究，技术迭代压力大
角色解读
- 可以成长为商品域AI Agent技术专家，主导核心业务场景的智能化改造
- 有机会横向扩展到阿里巴巴集团其他业务线的Agent平台建设，成为集团级AI基础设施的架构师
- 随着Agent技术在各行各业的普及，未来可以向AI产品总监或技术总监等管理岗位发展
- 负责将大语言模型和Multi-Agent技术应用于天猫商品的全生命周期管理，包括商品发布、管理、理解等核心环节
- 对高并发的商品消费、库存扣减等核心链路进行Agent化改造，确保大促等极端流量下的系统稳定性和数据一致性
- 设计和落地端到端的Agent编排、工具调用、RAG知识库等解决方案，并推动这些能力在商品域横向复用
- 与SPU/类目技术、发布端、IC中心等团队协同，沉淀商品Agent平台，并探索商品分类、属性抽取、标题生成、图像识别等具体应用
- 扎实的Java或Python编程功底，3年以上后端或AI工程经验，熟悉分布式系统和高并发设计
- 熟练使用Qoder、Cursor、Claude Code等主流AI编程工具，具备AI辅助开发实战经验
- 深入理解LangChain、LangGraph、MetaGPT等至少一种Agent开源框架的原理和源码
- 掌握ReAct、Multi-Agent、RAG等主流Agent范式，以及Prompt Engineering、MCP、Function Calling等关键技术
申请策略
- 在简历和面试中，可以主动分享你对Agent技术未来发展趋势的见解，展现技术热情
- 了解天猫商品业务的基本逻辑，思考Agent技术可以如何解决现有痛点，这会让面试官觉得你思考深入
- 重点突出在商品、交易或库存等高并发业务场景下的工程实践经验，特别是稳定性保障方案
- 详细描述使用LangChain、LangGraph等框架开发Agent应用的实战项目，包括架构设计、技术选型和落地效果
- 强调对LLM、RAG、Prompt Engineering等技术的深入理解，可以附上相关的技术博客或开源项目链接
- 展示使用AI编程工具（如Cursor、Copilot）提升开发效率的具体案例
- 系统学习LangGraph、MetaGPT等主流Agent框架的源码，深入理解其设计原理
- 动手实践一个完整的Agent项目，例如一个基于RAG的商品问答机器人，并尝试使用MCP和Function Calling
面试指南
- 回答项目经验时，可以采用STAR法则（情境、任务、行动、结果），重点突出你在技术选型、架构设计和问题解决上的思考
- 回答技术原理问题时，先给出清晰的定义，再对比不同方案的优劣，最后结合具体业务场景说明你的选择
- 回答开放性问题时，可以展示你的结构化思维，从业务价值、技术可行性、系统复杂度等多个维度进行分析
- 请详细介绍一下你使用LangChain或类似框架开发Agent的某个项目，包括架构设计、遇到的挑战和解决方案
- 在设计一个高并发的Agent服务时，你会如何考虑系统的稳定性、一致性和性能？
- 谈谈你对ReAct、Plan-and-Execute、Multi-Agent等不同Agent范式的理解，以及它们各自的适用场景
- 在商品去重或属性抽取场景中，你会如何设计Prompt和RAG流程来保证准确率？
- 你如何看待AI编程工具对开发流程的影响？请分享一个你使用这类工具提升效率的实例
职位点评
薪资福利80
成长发展95
工作生活40
使命价值70
薪资福利
80较高
职位未明确薪资，但作为阿里巴巴集团核心业务的技术岗，薪资水平在市场上通常具有较强竞争力，且福利体系完善。
薪资信号未披露（AI估算：35K-60K/月）
成长发展
95较高
该职位处于LLM和Multi-Agent技术应用的最前沿，技术挑战大，成长空间广阔，是技术专家成长的绝佳平台。
技术前沿前沿/新兴技术
技术栈LLM、Multi-Agent、LangChain、LangGraph、RAG、MCP、Function Calling、Prompt Engineering
业务类型profit_center
工作生活
40较低
职位描述未提及工作模式和加班情况，但电商大促场景通常意味着高强度的工作节奏，工作与生活平衡可能面临挑战。
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
70中等
该职位通过AI技术重塑电商核心业务，能直接提升数亿消费者的购物体验，具有较高的业务价值和社会影响力。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
天猫 的其他在招职位
相似职位推荐
Watch Jobs