天猫
业务技术-大模型&Agent算法工程师-天猫技术
业务技术-大模型&Agent算法工程师-天猫技术
发布于 大约 2 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
Prompt Engineering
Pytorch
Rag
Rl
Sft
Tensorflow
大模型
值不值得投
77综合评分
综合评分 77
大厂前沿技术岗，薪资优厚，发展空间大，但工作强度可能较高。
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
55K
比人工智能中位数高
发布情况
新岗位 · 今天发布
公司情况
公司还在招多个职位
4 个在招
市场机会
选择面较广
杭州 · 人工智能 · 约 150 个在招
职位详情
关于这个职位
作为天猫技术的大模型与Agent算法工程师，你将专注于优化电商场景下的智能体算法，包括AI商品运营、AI导购和品牌商家AI访谈等产品
你将主导大模型的后训练与领域适配，运用SFT、RL等方法提升模型在规划、推理、工具调用等能力，并优化RAG系统，推动前沿技术在业务中的落地
最低要求
计算机、人工智能、机器学习、数学或统计学相关专业硕士及以上学历，具备 LLM/AI Agent/搜索系统等相关领域经验
熟练掌握 Python，熟悉PyTorch或TensorFlow框架，深入理解大语言模型原理，掌握SFT/RL训练范式及Prompt工程
工作职责
负责天猫技术在各域的Agent算法优化，包括ToB和ToP相关产品，如AI商品运营、百补AI导购、品牌商家AI访谈
主导大模型后训练与领域适配，参与Agent在各业务场景下的微调与多轮对话优化，提升模型在生意诊断、运营策略、导购方案生成、工具决策等任务中的专业性与一致性
运用SFT、RL等后训练方法，设计合理Reward Function和优化函数，提升大模型在自主规划（Planning）、多步推理、工具调用、数据问答等方面的能力
负责设计并优化检索增强（RAG）系统，从索引构建、召回排序到知识融合与上下文压缩，全面提升RAG在高准确性需求场景下的效果与稳定性
深入跟踪LLM/Agent领域前沿进展，推进前沿技术在业务中的验证与落地，重点突破工具集成复杂推理、数据洞察、AI 搜索等方向的应用创新
负责建立科学评测体系，设计覆盖功能性、合规性、一致性与业务转化的多维评估指标，系统分析模型表现，指导模型与Agent策略的精准优化
优先资格
了解LangChain、AutoGen等Agent框架，熟悉Context Engineering、RAG、Tool Use等技术者优先
有完整Agent系统搭建经验者，或者在开源社区有贡献者优先
具备良好的自驱力和协作能力，能够将 AI 技术与业务目标结合推动落地
AI 洞察
优缺点分析
优点
- 技术前沿，涉及大模型、Agent等热门领域，技能积累价值高
- 平台大，天猫业务场景丰富，技术落地机会多，影响力大
- 薪资福利优厚，大厂待遇，职业发展空间广阔
- 工作强度可能较大，需要适应快速迭代和高压环境
- 技术难度高，需要持续学习，保持对前沿技术的敏感度
- 业务导向，需要将技术与业务目标紧密结合，沟通协作要求高
缺点 / 挑战
- 适合对AI技术充满热情，具备扎实算法基础，希望在电商场景中应用大模型和Agent技术，并愿意接受挑战的工程师
角色解读
- 在技术深度上，可向大模型专家或Agent架构师方向发展，成为领域权威
- 在业务结合上，可转向技术产品经理或业务技术负责人，推动AI产品落地
- 在管理路径上，可晋升为技术团队负责人，带领团队进行技术攻关
- 负责天猫业务中Agent算法的优化，包括AI商品运营、智能导购等产品，提升业务转化效率
- 主导大模型后训练与领域适配，使用SFT、RL等方法优化模型在业务场景中的表现
- 设计并优化RAG系统，提升检索增强生成的效果和稳定性
- 跟踪LLM/Agent前沿技术，推动创新应用在业务中落地
- 扎实的机器学习和大模型理论基础，熟悉Transformer架构和训练方法
- 精通Python，熟练使用PyTorch或TensorFlow等深度学习框架
- 熟悉Agent框架如LangChain、AutoGen，了解RAG、Tool Use等技术
- 具备良好的工程能力和业务理解能力，能将技术与业务目标结合
申请策略
- 关注天猫技术团队的技术博客和开源项目，了解团队技术方向
- 在面试中展示对Agent技术趋势的理解和热情，体现自驱力
- 突出大模型训练或Agent系统搭建的项目经验，展示具体成果和量化指标
- 强调在SFT、RL、RAG等方向的实际应用案例，体现技术深度
- 如有开源贡献或技术博客，可展示技术影响力
- 强调业务结合能力，体现将技术转化为业务价值的经验
- 深入学习大模型训练细节，如RLHF、DPO等，并动手实践
- 熟悉LangChain、AutoGen等框架，尝试搭建简单的Agent应用
面试指南
- 采用STAR法则，先描述项目背景，再说明你的具体任务和行动，最后突出成果和量化指标
- 对于技术问题，先阐述基本原理，再结合项目经验说明具体实现和优化过程
- 对于业务结合问题，强调对业务的理解和以业务目标为导向的思考
- 请介绍你在大模型后训练方面的项目经验，如何设计Reward Function？
- 如何优化RAG系统以提升准确性和稳定性？
- 在Agent系统中，如何处理多轮对话中的一致性问题？
- 如何评估Agent系统的性能？你设计了哪些指标？
- 如何将大模型技术应用到电商场景中，提升业务转化？
职位点评
薪资福利80
成长发展95
工作生活50
使命价值70
薪资福利
80较高
该职位薪资水平较高，福利完善，但未明确具体薪资范围，需面议。
薪资信号面议 (40K-70K/月)
成长发展
95较高
该职位处于技术前沿，涉及大模型、Agent等新兴领域，技能成长空间大，且公司平台大，发展机会多。
技术前沿前沿/新兴技术
技术栈LLM、Agent、SFT、RL、RAG、PyTorch、TensorFlow、LangChain
业务类型profit_center
工作生活
50较低
工作地点在杭州，现场办公，未提及弹性工作，互联网大厂工作强度可能较大。
工作模式仅现场办公
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
电商行业稳定，技术应用能提升业务效率，但社会影响力一般。
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
Watch Jobs