天猫
业务技术-AI应用研发工程师-内容消费
业务技术-AI应用研发工程师-内容消费
发布于 25 分钟前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Agent编排
Langgraph
Llamaindex
Prompt Engineering
Rag
分布式系统
大模型
系统设计
高并发
值不值得投
83综合评分
综合评分 83
前沿AI技术岗、大平台资源丰富、成长性强，但工作模式与WLB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
23K
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 170 个在招 · 其中人工智能 13 个
市场机会
选择面较广
杭州 · 人工智能 · 约 290 个在招
职位详情
关于这个职位
该职位负责构建和优化下一代AI Agent智能体系统，将大模型能力转化为内容消费等业务场景的实际价值
工作涉及Agent架构设计、业务落地、评测调优及前沿技术跟踪，旨在推动AI技术高效稳定地服务于真实业务
最低要求
计算机相关专业本科及以上学历，1年以上后端 / 算法工程 / AI 应用研发经验，熟练掌握 Python，熟悉至少一门工程语言（Java/Go/TypeScript）
深入理解大模型基本原理与工程化实践，熟悉 Prompt Engineering、RAG、Function Calling、Agent 编排范式，有基于 LangGraph、LlamaIndex、AutoGen、Dify、AgentScope等框架的实战经验者优先
具备扎实的系统设计能力，熟悉高并发、分布式、可观测性体系，能独立完成从 0 到 1 的服务搭建与线上稳定性保障
至少有一段将 AI Agent / LLM 应用推上 C 端或 B 端真实业务、并对核心指标负责的端到端落地经验
具有持续学习意愿，业务结果导向，能在快速变化的技术环境中保持判断力
工作职责
Agent 架构设计：参与 Agent 系统核心模块的设计与落地，覆盖任务规划、推理执行、上下文增强、记忆管理、工具编排以及运行时稳定性保障
在多 Agent 协作、子任务分发、异常自愈等关键问题上提出可落地的工程方案
业务核心能力落地：深度对接业务场景，将通用 Agent 框架沉淀为面向业务的可复用能力组件
负责从需求拆解、Prompt/工作流设计、工具与数据接入、灰度上线到效果回流的全链路交付，确保 Agent 在真实流量下满足业务的准确率、时延与成本指标
Agent 评测与持续调优迭代：搭建覆盖离线评测集 + 在线 A/B + 用户反馈回流的 Agent 评测体系，建立 Bad Case 归因与回归机制，持续驱动 Prompt、模型、工具与编排策略的迭代，让 Agent 能力以可度量的方式稳步提升
性能与成本优化：针对推理时延、Token 消耗、调用链路长度等关键瓶颈进行系统性优化，在保证效果的前提下显著降低单次任务成本与时延，建立成本可观测与预算治理机制
跟踪大模型与 AI Agent 前沿技术：持续跟踪 LLM、多模态模型、Agent 框架、强化学习与后训练、Agentic RAG、MCP 生态等方向的前沿进展，将有价值的技术快速完成内部预研、原型验证与生产化引入
优先资格
有多 Agent 系统、Agentic Workflow、Agent 评测平台、模型微调或后训练经验
在 AI Agent / LLM 方向有开源项目、技术博客、专利或顶会论文产出
有内容、社区、用户增长、商业化等 C 端业务场景的 AI 落地经验
AI 洞察
优缺点分析
优点
- 直接参与AI Agent前沿技术落地，与顶尖团队共事，技术成长速度快
- 顶级工程环境，算力资源充足，创新想法易实现
- 业务场景明确（内容消费），能直观看到技术对业务的价值影响
- 大平台提供完善的基础设施和职业发展通道
- AI技术迭代迅速，需持续学习以保持竞争力
- 在大型组织中推动技术落地可能需要较强的跨团队协作能力
- 适合有AI工程经验、热爱技术实践、注重业务结果，且希望在大平台上深耕AI Agent领域的工程师
缺点 / 挑战
- 业务指标（如准确率、时延、成本）要求高，优化压力大
角色解读
- 技术专家路线：深入AI Agent领域，成为系统架构师或算法工程专家
- 管理路线：带领小团队负责AI项目，向技术经理或总监方向发展
- 跨界发展：结合业务理解，转向AI产品经理或技术策略岗位
- 设计和实现AI Agent智能体系统的核心架构，确保任务规划、推理执行等模块的稳定运行
- 将Agent框架与具体业务场景结合，完成从需求到上线的全链路交付，优化业务指标
- 搭建评测体系并持续调优，通过数据分析驱动Agent能力迭代提升
- 跟踪大模型前沿技术，进行内部预研和生产化引入
- 熟练掌握Python及至少一门工程语言，具备扎实的后端开发和系统设计能力
- 深入理解大模型原理，熟悉Prompt Engineering、RAG、Agent编排等AI应用技术
- 有将AI应用推向真实业务并负责核心指标的端到端落地经验
- 具备高并发、分布式系统实战经验，能保障线上服务稳定性
申请策略
- 研究天猫在内容消费领域的业务方向，思考AI Agent如何赋能
- 准备一个完整的项目故事，覆盖从需求分析到效果回流的全过程
- 突出AI Agent或LLM应用项目的具体贡献和量化成果（如性能提升、成本降低）
- 强调系统设计经验，特别是高并发、分布式架构的实践案例
- 列举相关框架（如LangGraph、LlamaIndex）的使用经验和开源贡献
- 展示持续学习能力，如技术博客、专利或论文产出
- 深入学习Agent编排范式和评测方法论，准备实战案例
- 提升多Agent系统设计、强化学习等相关技术知识
面试指南
- 采用STAR法则（情境、任务、行动、结果）描述项目经验，突出技术决策和业务影响
- 从工程角度出发，分点阐述优化策略（如模型选择、缓存机制、异步处理）
- 结合具体业务场景，说明评测指标（如准确率、延迟、成本）的设定和迭代过程
- 基于系统设计原则，解释多Agent协调的机制（如状态管理、通信协议）
- 展示对技术趋势的理解，链接到如何为业务创造价值
- 请描述你过去设计和实现的一个AI Agent系统架构，遇到了哪些挑战？
- 如何平衡Agent的推理效果与时延、成本之间的关系？
- 你会如何搭建一个Agent评测体系？有哪些关键指标？
职位点评
薪资福利85
成长发展90
工作生活70
使命价值80
薪资福利
85较高
该职位在大型科技平台，薪资具有市场竞争力，且提供前沿技术环境和创新文化，补偿性动机满足较好。
薪资信号偏高 (15K-30K/月)
成长发展
90较高
岗位聚焦AI Agent前沿技术，涉及架构设计、系统优化和业务落地，技能成长空间大，发展性动机强烈。
技术前沿前沿/新兴技术
技术栈大模型、Agent、LangGraph、LlamaIndex、RAG
成长机会参与前沿 AI 技术落地的机会、顶级的工程研发环境
业务类型profit_center
工作生活
70中等
JD未明确办公模式和加班情况，可能需现场办公，工作与生活平衡程度未知，生活化动机满足一般。
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
80较高
AI领域处于高速增长赛道，技术前沿性强，但社会影响力在内容消费场景中相对中性，意义感动机满足较好。
行业发展高速增长赛道
社会影响中性/一般
使命信号参与前沿 AI 技术落地的机会
创新程度积极采用新技术
Watch Jobs