天猫
淘宝平台事业部-大模型算法应用工程师-Service Agent
淘宝平台事业部-大模型算法应用工程师-Service Agent
发布于 1 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
Multi-Agent
Prompt Engineering
Rag
向量数据库
大模型
性能优化
值不值得投
79综合评分
综合评分 79
大厂核心AI岗位，技术前沿、业务价值高、成长空间大，但工作模式与强度信息不明。
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
35K
比人工智能中位数低
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 160 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
作为核心成员，你将负责在电商交易生态中，通过大模型技术构建具备高情商、强逻辑和高可靠性的智能服务数字大脑（Service Agent）
工作涵盖从复杂服务场景的Agent架构设计与落地、高可用系统构建、效果评测迭代到前沿技术探索的全流程，旨在重塑亿级用户的智能服务办理体验
最低要求
本科及以上学历，计算机、人工智能、数学等相关专业，1年以上大模型相关落地经验
精通 Python，并至少熟练掌握一门变成语言（Java/Go/C++），具备扎实的算法与数据结构基础，具备高质量的代码交付习惯与系统架构视野
熟悉LangChain、LLamaIndex、AutoGen 等主流 Agent 框架设计原理并有实际项目经验
熟练掌握 Prompt Engineering、RAG、Function Calling、CoT 等核心技术
具备强烈的问题驱动意识与极强的技术敏感度，善于利用 AI 新技术解决复杂的商业痛点
持续关注 AI 前沿动态（如Gemini、OpenAI、Claude等），敢于在业务中尝试新范式
工作职责
Agent应用架构设计与落地：负责电商服务领域复杂服务场景（如小蜜、纠纷&赔付、服务风控），设计并搭建具备多步推理、工具调用能力的 Agent 架构，负责核心产品的workflow设计，解决智能服务长链路以及多链路协作难点;
构建高可用智能服务系统：主导Agent算法工程的应用落地，涵盖向量库选型、多路召回策略实现、Context Engineering以及工具调用的精准控制
负责大模型推理加速、响应延迟及成本路由控制
提升复杂商业场景下的问题解决率及落地稳定性
Agent系统效果评测与迭代：针对电商服务中的高置信度场景，构建 Service Agent 专属评估体系（Benchmark）及全链路自动化评测体系，通过数据工程手段优化Prompt工程与知识库质量，确保Agent 输出符合服务严谨性要求
前沿技术探索与转化：探索多智能体协作（Multi-Agent）、多模态融合和Self-Evolving等前沿方向，鼓励将学术界的最新成果快速转化为可落地的产品能力
优先资格
Agent实战++，有复杂 Multi-Agent 协作或大型智能客服系统核心研发经验者优先
系统能力++，具备大规模数据处理与清洗经验优先，大模型应用性能优化实战经验
模型训练++，有过LoRA/SFT等微调实战，或参与过RLHF/DPO后训练流程者优先
AI 洞察
优缺点分析
优点
- 技术前沿且有深度：工作直接面对行业顶级复杂场景，能深度实践和探索大模型、Agent等最前沿技术
- 业务影响力巨大：服务数亿用户，你的技术方案将直接塑造下一代AI驱动的服务体验，成就感强
- 平台资源丰富：依托大型电商平台，拥有海量数据、复杂业务场景和强大的工程化支持
- 业务要求严格：服务场景对Agent输出的准确性、可靠性和安全性要求极高，容错率低
- 追求技术深度与广度，既热爱算法研究又具备优秀工程落地能力，且对利用AI解决复杂商业问题有强烈热情的开发者
缺点 / 挑战
- 技术复杂度高：需要同时应对算法优化、工程实现、系统稳定性和业务逻辑等多维度挑战
- 快速迭代压力：需要紧跟AI技术发展节奏，并持续进行效果评测与系统迭代
角色解读
- 技术专家路径：深耕AI Agent与大模型应用架构，成为智能服务领域的技术权威或架构师
- 业务影响者路径：凭借对电商服务的深刻理解，推动AI技术重塑业务流程，向技术管理岗位发展
- 前沿开拓者路径：持续引领多智能体、自进化AI等方向的研究与落地，成为行业创新标杆
- 设计并落地面向电商复杂服务场景的AI Agent系统架构，解决多步推理和工具调用的技术难点
- 构建高可用的智能服务系统，负责从模型推理、检索到输出的全链路性能优化与成本控制
- 建立和维护Agent效果的评测体系，通过数据驱动的方法持续优化模型和Prompt
- 探索多智能体、多模态等前沿AI技术，并将其快速转化为解决实际业务问题的产品能力
- 精通Python编程，熟悉主流Agent框架（如LangChain、AutoGen）的设计原理与实践
- 熟练掌握RAG、Prompt Engineering、Function Calling、CoT等大模型应用核心技能
- 具备扎实的算法、数据结构基础和系统架构能力，能设计高性能、高可靠的复杂系统
- 对AI前沿技术（如多智能体、大模型微调）有强烈兴趣和一定的探索经验
申请策略
- 研究电商服务场景：思考AI Agent在客服、纠纷处理、风控等场景中可能遇到的特有挑战（如高并发、多轮状态维护、合规性）
- 准备技术方案演示：可以构思一个针对JD中提到的具体场景（如“小蜜”或“纠纷赔付”）的轻量级Agent设计思路
- 突出大模型项目经验：详细描述你使用RAG、Prompt Engineering或Agent框架解决具体问题的案例与成果
- 强调工程与算法结合能力：展示你的代码质量、系统设计思维以及在性能优化、成本控制方面的实践
- 体现商业理解与问题驱动：举例说明你如何用技术手段分析并解决了一个真实的业务痛点
- 展示前沿技术敏感度：列举你关注或实践过的前沿技术（如Multi-Agent、RLHF）及其应用思考
- 深化Agent架构知识：系统学习并动手实践更复杂的Multi-Agent协作框架和设计模式
- 强化性能优化技能：深入学习大模型推理加速、向量检索优化、服务链路成本控制等工程化技术
面试指南
- 采用STAR法则（情境、任务、行动、结果）结构化描述项目经历，重点突出技术决策和量化成果
- 从技术架构、工程实现、数据与评测三个层面，系统性地阐述如何构建可靠、可控的Agent系统
- 结合电商服务特性（如业务规则复杂、用户意图多样、强合规要求）来分析技术难点和解决方案
- 请描述一个你设计或参与的复杂Agent系统，其中遇到的最大技术挑战是什么？你是如何解决的？
- 在电商客服场景下，如何确保大模型Agent输出的严谨性和可靠性，避免幻觉或错误操作？
- 如果让你为一个新的服务场景（如跨境物流咨询）设计Agent，你会考虑哪些关键模块和技术选型？
- 你如何看待当前多智能体（Multi-Agent）技术的成熟度？在电商服务中落地会面临哪些困难？
- 在平衡Agent的响应速度、成本和效果时，你通常会考虑哪些因素和优化策略？
职位点评
薪资福利80
成长发展95
工作生活50
使命价值85
薪资福利
80较高
作为知名科技企业的核心业务岗位，该职位应能提供具有市场竞争力的薪酬福利，补偿性动机能得到较好满足。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
95较高
该职位直接接触大模型、Agent等AI前沿技术，并应用于复杂商业场景，技术成长空间巨大，且鼓励前沿探索与转化，发展性动机是其核心优势。
技术前沿前沿/新兴技术
技术栈大模型、Agent、RAG、Prompt Engineering、Multi-Agent、Self-Evolving、LangChain、AutoGen、Function Calling、CoT
成长机会前沿技术探索与转化、鼓励将学术界的最新成果快速转化为可落地的产品能力
业务类型profit_center
工作生活
50较低
职位描述未提及任何关于工作模式、办公灵活性或WLB的信号，因此生活化动机的满足程度难以判断，存在不确定性。
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
该职位旨在通过AI重塑亿级用户的智能服务体验，构建“数字大脑”，具有明确的业务价值和较大的社会影响力，意义感动机满足程度较高。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号重塑数亿用户的智能服务办理流程、构建电商服务领域的“数字大脑”
创新程度开拓性创新（行业首创）
Watch Jobs