天猫
业务技术-AI应用研发工程师-Agent 平台方向
业务技术-AI应用研发工程师-Agent 平台方向
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
Ai Agent
Rag
Workflow
大模型
微服务
系统设计
值不值得投
80综合评分
综合评分 80
前沿AI Agent平台技术岗，技术挑战与成长性极高，薪资有竞争力，但WLB情况需进一步确认。
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
53K
比人工智能中位数高
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
负责天猫核心AI Agent平台的研发与建设
你需要将真实的业务需求和技术诉求，转化为可落地的Agent系统架构与执行方案，全程参与从业务理解、系统设计、上下文构建、工具调用到评测优化的完整过程，推动AI能力在真实业务场景中的规模化应用
最低要求
计算机、软件工程、人工智能或相关专业背景，具备扎实的软件工程基础和系统设计能力
熟悉至少一种主流开发语言，如 Java、Python、TypeScript / JavaScript、Go 等，具备良好的编码能力、工程抽象能力和复杂系统实现经验
对大模型、AI Agent、工具调用、RAG、上下文工程、Workflow 编排等方向有实际理解或项目经验
能够理解业务问题，并将模糊问题拆解为可执行、可验证、可迭代的技术方案
具备较强的问题定位和系统调优能力，能够基于数据、日志、Trace 和 case 分析持续优化系统效果
具备良好的沟通协作能力，能够与产品、算法、工程、测试和业务团队共同推进复杂 AI 项目落地
对 AI 技术在真实业务和研发流程中的应用有强烈兴趣，愿意在不确定性较高的场景中持续探索和快速迭代
工作职责
需求理解与任务建模：深入业务与研发场景，理解真实业务目标、研发流程和协作痛点，识别高价值 AI 落地问题
将模糊的业务需求、研发诉求或效率问题，转化为明确的、可验证的 Agent 执行目标
Agent 系统架构设计：面向具体业务和研发任务，设计 AI Agent 系统架构
参与 Agent Runtime、Agent 编排、工具调用、权限控制、上下文管理、记忆机制、Trace 体系等核心模块规划，兼顾系统灵活性、可扩展性、稳定性与工程可落地性
知识、上下文与执行环境构建：搭建 Agent 与现有业务系统、研发工具链和知识体系的交互环境，涵盖 API 接入、代码仓库、文档系统、需求系统、CI/CD、测试平台、设计平台等
构建面向 Agent 执行的上下文组织与注入机制，优化知识召回、上下文压缩、工具选择和任务环境准备，为模型提供准确、及时、可追踪的执行环境
Trace、观测与归因体系建设：构建 Agent 全链路观测与 Trace 体系，记录 Agent 执行过程中的上下文输入、工具调用、文件变更、测试结果、人工干预、失败原因和最终产物
支持对 Agent 行为、任务效果、失败 case、成本和性能进行多维分析与归因，为后续优化和规模化落地提供依据
评测、回测与持续优化：建立自动化评测、回测和 case 分析机制，围绕真实业务任务构建评测数据集、验证标准和效果指标
通过模型选择、上下文优化、工具链改造、Prompt / Skill 调整、Workflow 编排等方式，持续提升 Agent 的任务成功率、稳定性、可控性和交付质量
系统性能与稳定性优化：面向真实生产环境和高频场景，优化 Agent 系统在并发、延迟、成本、稳定性和安全性方面的表现，保障系统长期稳定运行
优先资格
有 LangChain、LangGraph、Mastra 等 Agent 框架实践经验，有从0到1的Agent设计或平台工程经验者优先
有 RAG、向量检索、知识库、记忆系统、召回优化相关经验者优先
有开源项目、技术博客，持续你跟进并实践 AI 技术者优先
AI 洞察
优缺点分析
优点
- 技术前沿：直接参与大模型和Agent技术在大规模电商场景的前沿应用和平台化落地
- 平台价值：工作成果将服务于核心业务团队，影响力大，能快速验证技术价值
- 技术复杂度高：需要同时理解业务、算法和工程，技术栈和问题域都较为复杂
- 业务理解要求深：需要深入理解淘天的业务流程和技术生态，才能做出有效的技术方案
- 适合对AI技术应用有热情，具备扎实软件工程功底和系统思维，乐于解决复杂工程问题，并希望将AI技术深度融入核心业务流程的工程师
缺点 / 挑战
- 工程挑战：面对的是真实、复杂的生产环境，能极大地锻炼系统架构、稳定性和性能优化能力
- 快速迭代压力：AI技术和业务需求变化快，需要保持快速学习和持续探索的状态
角色解读
- 技术深度上，可成为AI Agent平台或AI应用架构领域的专家
- 技术广度上，可拓展至更广泛的AI平台工程、MLOps或AI基础设施建设
- 影响力上，可凭借平台建设成果，成为AI技术在企业内规模化落地的推动者
- 将复杂的业务需求转化为可执行的AI Agent技术方案，并完成系统架构设计
- 构建和管理Agent运行所需的上下文环境、工具链和知识体系
- 建立全链路的观测、评测和归因体系，持续优化Agent系统的稳定性和效果
- 具备扎实的软件工程基础，精通至少一门主流编程语言，并拥有复杂系统设计经验
- 深入理解大模型、AI Agent、RAG、Workflow编排等AI应用层技术原理
- 能够从业务视角出发，将模糊问题拆解为清晰、可验证的技术任务
申请策略
- 在面试中展现你对“AI如何真正解决业务问题”的思考，而不仅仅是技术实现
- 提前了解淘天集团的业务和技术生态（如中间件、研发工具链），能让你更快融入并提出有价值的方案
- 重点突出与AI Agent、RAG、大模型应用相关的项目经验，即使是实验性项目也值得详细描述
- 详细阐述你在过往项目中负责的系统设计、架构选型和性能优化工作，体现工程能力
- 如果有参与过从0到1的平台或工具建设，或解决过复杂工程问题，务必作为亮点呈现
- 深入学习Agent框架（如LangChain、Mastra）的原理和实践，了解其设计模式
- 研究和实践RAG系统、向量数据库、知识图谱等上下文构建技术
- 加强云原生、分布式系统相关的知识，这对于优化Agent系统的性能和稳定性至关重要
面试指南
- 使用STAR原则（情境、任务、行动、结果）组织回答，突出你在复杂项目中的思考和具体贡献
- 对于设计类问题，采用“分析需求 -> 定义问题 -> 架构设计 -> 关键模块详述 -> 可能风险与优化点”的结构来回答
- 强调“从业务中来，到业务中去”的思维，展示你如何将技术方案与业务目标对齐
- 请描述一个你设计过的复杂AI应用或系统架构，重点说明你是如何做技术选型和权衡的？
- 如果让你为一个具体的业务场景（如智能客服、代码生成）设计一个Agent系统，你会如何规划它的架构和核心模块？
- 在构建Agent执行的上下文环境时，你会考虑哪些关键因素？如何优化知识召回的准确性？
- 如何评估一个AI Agent系统的整体效果？你会设计哪些关键指标和评测机制？
- 你如何理解AI在真实业务中落地的核心挑战？结合你的经验，你会如何应对？
职位点评
薪资福利85
成长发展90
工作生活60
使命价值80
薪资福利
85较高
该职位属于核心技术岗位，薪资水平预计具有市场竞争力，但JD未明确福利细节。
薪资信号偏高 (40K-65K/月)
成长发展
90较高
该职位聚焦于AI领域最前沿的Agent平台技术，涉及从架构到优化的完整技术链路，能提供极高的技术成长性和项目影响力。
技术前沿前沿/新兴技术
技术栈大模型、AI Agent、RAG、Workflow、Trace、评测
业务类型profit_center
工作生活
60中等
JD未明确提及工作模式和办公灵活性，对于此类技术要求高、业务紧密相关的平台岗位，需关注实际的工作强度。
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
80较高
参与构建赋能核心业务的AI平台，能直接看到技术成果对数亿用户产生的影响，技术价值感和成就感较高。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs