天猫
业务技术-AI Agent 应用开发工程师-数据Agent方向
业务技术-AI Agent 应用开发工程师-数据Agent方向
发布于 3 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
Ai Agent
Etl
Mcp
Rag
Sql
大模型应用
数据仓库
数据治理
值不值得投
70综合评分
综合评分 70
阿里系AI Agent数据方向，技术前沿，成长空间大，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
3.3万
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
99 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 360 个在招
职位详情
关于这个职位
作为天猫业务技术团队的数据Agent方向应用开发工程师，你将参与构建AI驱动的数据研发与运维体系，将业务口径沉淀为AI可推理的知识资产，并开发多Agent工作流实现数据任务的自动化生成与智能运维
该岗位要求扎实的数据工程基础与Agent工程实战经验，适合对AI+数据方向充满热情的技术人才
最低要求
硕士及以上学历，计算机科学、软件工程、数据或相关专业背景，1年以上研发经验
数据研发功底扎实：熟悉数据仓库建模、ETL开发与调度体系、数据质量治理与血缘管理，有大数据量离线与实时链路的实战经验
Agent工程能力：Python（或Java）基础扎实，有AI Agent或大模型应用的真实项目经验，熟悉上下文工程、RAG、任务编排、工具/函数调用等机制，能独立完成模块级设计与交付
有用AI改造研发或数据流程的实践意愿与经验，能判断哪些环节适合交给Agent、哪些必须保留人工兜底，并设计相应的校验与回滚机制
能将业务口径翻译为AI必须遵守的形式化约束
评测与归因能力：能分环节设计评测集与自动化回归链路，从数据中定位问题根因
工程素养良好，理解高可用、稳定性与观测的基本要求
结果导向，愿意深入业务场景理解真实痛点
学习能力强，对AI Agent、Skills、MCP、AI编程助手等前沿方向保持敏感
工作职责
数据研发与建模：参与数据的领域建模与口径定义，从ETL代码中提取口径规则并结构化为AI可推理的知识资产
攻坚脚本代码生成准确率，实现从需求描述到SQL/数据加工任务的自动生成与回归校验
运维：构建Agent驱动的数据运维能力，实现任务异常的自动发现、根因归因与自愈处置
保障多步骤Agent工作流的生产级可靠性（状态持久化、人工介入与回退）与全链路可观测
数据服务与应用：建设数据服务和编排的AI应用建设，用于支撑业务经营分析、AI评测与上层Agent应用的数据供给
支撑实际业务经营场景与AI系统，把数据能力转化为可衡量的业务经营效果
AI 洞察
优缺点分析
优点
- AI Agent是当前热门方向，岗位技术前沿，有利于个人品牌建设
- 数据与AI结合，职业发展空间广阔，可向数据架构师或AI专家转型
- 业务结果导向，需要深入理解业务，对沟通和协作能力要求高
- 适合对AI Agent技术充满热情，具备扎实数据工程基础，愿意深入业务场景解决实际问题的技术人才
缺点 / 挑战
- 身处阿里生态，接触海量数据与真实业务场景，技术挑战大，成长快
- 工作强度可能较高，需要适应快速迭代和高压环境
- 技术栈要求全面，需要同时具备数据工程与AI工程能力，学习压力大
角色解读
- 在AI Agent与数据工程交叉领域深耕，成为企业级AI应用架构专家
- 向技术管理方向发展，带领团队构建数据智能化平台
- 横向拓展至更广泛的AI应用场景，如AI编程助手、智能运维等
- 负责数据领域AI应用的建设，包括数据研发、运维、服务与应用的全流程智能化
- 从ETL代码中提取业务口径规则，构建AI可推理的知识资产，并开发多Agent工作流实现数据任务的自动生成与校验
- 构建Agent驱动的数据运维能力，实现任务异常自动发现、根因归因与自愈处置
- 支撑业务经营分析、AI评测等场景的数据供给，将数据能力转化为业务效果
- 扎实的数据工程基础：熟悉数据仓库建模、ETL开发、调度体系、数据质量治理与血缘管理
- Agent工程能力：精通Python或Java，有AI Agent或大模型应用实战经验，熟悉RAG、任务编排、工具调用等
- 评测与归因能力：能设计评测集与自动化回归链路，从数据中定位问题根因
- 业务理解能力：能将业务口径翻译为AI可遵守的形式化约束，判断哪些环节适合Agent化
申请策略
- 了解天猫或阿里数据中台的技术栈与业务方向，在面试中展现匹配度
- 准备一个完整的Agent项目案例，从问题定义到架构设计再到效果评估
- 突出AI Agent或大模型应用的真实项目经验，包括RAG、任务编排、工具调用等具体实现
- 强调数据仓库建模、ETL开发、数据治理等数据工程项目的规模与复杂度
- 展示如何将业务口径转化为技术约束的案例，体现业务理解能力
- 如有评测体系设计或自动化回归经验，务必详细描述
- 深入学习LangChain、LlamaIndex等Agent框架，掌握多Agent协作模式
- 补充MCP、AI编程助手等前沿工具的使用经验
面试指南
- 采用STAR法则：情境-任务-行动-结果，突出个人贡献与量化成果
- 对于设计类问题，先明确目标与约束，再分模块阐述方案，最后提及权衡与取舍
- 结合具体技术细节，如RAG的检索策略、Agent的状态持久化等，展现深度
- 请描述一个你使用AI Agent解决实际问题的项目，包括架构设计和遇到的挑战
- 如何从ETL代码中提取业务口径并结构化为AI可推理的知识？
- 在设计Agent工作流时，如何保证生产级可靠性？
- 如何评估一个数据生成Agent的输出质量？请设计评测方案
- 你如何判断哪些数据研发环节适合交给Agent，哪些必须人工兜底？
职位点评
薪资福利70
成长发展90
工作生活40
使命价值75
薪资福利
70中等
该职位未明确薪资福利，但作为阿里系技术岗，薪资水平通常具有竞争力，且公司规模大，稳定性较好。
薪资信号未披露（AI估算：2.5千–4万/月）
成长发展
90较高
岗位聚焦AI Agent前沿技术，涉及RAG、MCP等，技术成长空间大，且明确要求学习能力强，对前沿方向保持敏感，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈AI Agent、RAG、MCP、大模型、Python、Java、ETL、数据仓库
业务类型profit_center
工作生活
40较低
职位未提及工作模式与加班情况，但作为互联网大厂技术岗，通常节奏较快，且工作地点在杭州，通勤可能较长，生活化动机满足度有限。
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
75中等
岗位通过AI技术提升数据研发效率，具有技术赋能业务的价值，但社会影响力相对中性，意义感动机满足度中等偏上。
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