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 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
Agentscope
Ai Agent
Autogen
Go
Langgraph
Llamaindex
Llm
Prompt Engineering
Rag
值不值得投
80综合评分
综合评分 80
核心AI业务岗、技术栈前沿、成长空间极大，但WLB未明确且节奏可能较快。
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
3.5万
比人工智能中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
59 个在招 · 其中人工智能 2 个
市场机会
选择面较广
杭州 · 人工智能 · 约 400 个在招
职位详情
关于这个职位
该职位主要负责AI Agent核心链路的研发与优化，将大模型能力转化为可交付的业务价值
你需要参与Agent架构设计、业务场景落地、评测体系搭建及性能成本优化，推动前沿AI技术在真实业务中的高效应用
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
- 处于AI技术最前沿，能直接接触并应用最新的大模型矩阵与Agent技术，技术视野开阔
- 依托巨头企业的丰富业务场景与海量数据，能够将AI技术真正落地并产生巨大业务价值
- AI技术迭代极快，需要保持高强度的持续学习，以跟上大模型与Agent框架的演进速度
- 适合对AI Agent技术有强烈热情、具备扎实工程底座且渴望在真实大规模业务场景中验证大模型能力的开发者
缺点 / 挑战
- 提供顶级的工程研发环境与算力支持，无需担忧资源瓶颈，有利于专注技术创新
- 业务场景复杂且对指标（准确率、时延、成本）要求严格，平衡效果与成本具有较大工程挑战
角色解读
- 纵向可发展为AI应用架构师或技术专家，深入大模型底层优化与复杂Agent系统设计
- 横向可向AI业务负责人或产品技术复合型人才转型，主导AI驱动的业务创新与商业化落地
- 负责AI Agent系统的核心架构设计与模块开发，包括任务规划、记忆管理、工具编排等
- 将大模型能力与真实业务场景结合，完成从需求拆解、Prompt设计到灰度上线的全链路交付
- 搭建Agent评测体系并进行性能与成本优化，跟踪前沿AI技术并推动生产化落地
- 扎实的编程基础，熟练掌握Python及至少一门工程语言（Java/Go/TS），具备高并发与分布式系统设计能力
- 深入理解大模型原理，熟悉Prompt Engineering、RAG、Function Calling及主流Agent框架（如LangGraph、Dify等）
- 具备端到端的AI应用落地经验，能够独立负责核心指标并对业务结果负责
申请策略
- 提前了解天猫内容消费业务的现状与痛点，思考AI Agent如何赋能该业务，准备针对性的技术方案
- 重点突出基于LangGraph、Dify等框架的AI Agent实战项目，展示从0到1的端到端落地经验
- 强调在性能优化、成本控制或高并发系统设计方面的具体成果，用数据证明你的工程能力
- 若有开源项目、技术博客或顶会论文，务必在简历中显著展示，体现技术深度与影响力
- 深入学习多Agent协作、Agentic Workflow及模型微调/后训练技术，补齐加分项技能
- 熟悉内容消费或C端业务场景的AI应用案例，培养业务Sense与产品思维
面试指南
- STAR法则：情境(Situation) -> 任务(Task) -> 行动(Action) -> 结果(Result)，重点突出你的技术决策与业务收益
- 结构化表达：在回答架构或优化问题时，采用“背景-问题拆解-方案设计-落地效果-复盘迭代”的逻辑
- 请详细介绍你主导过的一个AI Agent落地项目，包括架构设计、遇到的难点及解决方案
- 在Agent评测体系中，你是如何设计离线评测集和在线A/B测试的？如何处理Bad Case？
- 针对推理时延和Token消耗，你做过哪些系统性的优化？效果如何？
- 多Agent协作中，子任务分发和异常自愈是如何设计的？
- 你如何看待当前大模型在真实业务场景中的局限性？
- 复习大模型工程化核心知识（RAG、Prompt、Function Calling），并准备相关代码级细节
职位点评
薪资福利85
成长发展95
工作生活50
使命价值80
薪资福利
85较高
核心AI研发岗，薪资具备较强市场竞争力，且提供无算力焦虑的顶级研发环境。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
95较高
岗位处于AI技术最前沿，能直接接触大模型矩阵与顶尖团队，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈AI Agent、LLM、Prompt Engineering、RAG、Function Calling、LangGraph、LlamaIndex、AutoGen、Dify、AgentScope、Agentic RAG、MCP
业务类型profit_center
工作生活
50较低
JD未明确提及工作模式与WLB信息，但作为核心业务研发岗，通常工作节奏较快。
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
推动下一代智能体系统建设，将前沿AI技术转化为真实业务价值，具有较强的技术使命感。
行业发展高速增长赛道
社会影响中性/一般
使命信号构建下一代智能体系统、把模型能力转化为可交付的业务价值
创新程度积极采用新技术
天猫 的其他在招职位
相似职位推荐
Watch Jobs