天猫
业务技术-AI应用研发工程师-首页&推荐
业务技术-AI应用研发工程师-首页&推荐
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
Rag
全链路追踪
大模型
系统架构
高并发
值不值得投
78综合评分
综合评分 78
核心业务AI研发岗，技术栈前沿且成长空间大，薪资竞争力强，但WLB情况未知。
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
2.8万
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
61 个在招 · 其中人工智能 4 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
该职位主要负责天猫首页与推荐业务场景下的AI应用研发，包括大模型Agent系统架构设计、RAG知识库构建及核心模块工程落地
你需要深入理解业务需求，将模糊的痛点转化为AI解决目标，并推动AI能力从单点验证走向规模化落地
最低要求
人工智能、计算机、电子等相关专业本科及以上学历
年以上大模型 Agent 研发经验，有 Agent 项目成功落地案例
熟悉 Agent 核心概念与架构，Prompt、Skill、Harness、MCP，以及 memory、reasoning、tool orchestration 等模块，具备 AI 原生系统设计能力
熟悉 RAG 全链路，有召回质量与上下文优化的实战经验
有评测意识，具备 case 分析能力，能搭建自动化评测，用数据驱动效果迭代
扎实的工程功底，熟悉 Python/Java 与高并发服务设计，掌握异步、降级、全链路 tracing 等稳定性与可观测手段
有产品热情，能快速理解业务背景、抽象业务过程，实现业务与技术的结合
较强的 ownership 与跨团队协作能力
工作职责
需求理解与归因：深入业务场景，利用数据挖掘与特征分析完成现象归因
精准识别高价值问题，将模糊的业务痛点转化为明确的 AI 解决目标
架构设计：面向具体业务需求，设计 AI 原生系统架构
参与 Agent 系统核心模块的规划，包括记忆管理、推理策略与工具编排，兼顾架构的灵活性、可扩展性与工程可落地性
知识与环境构建：搭建AI与现有业务系统的交互环境，涵盖 API 接入、RAG 知识库构建、记忆方案设计
持续优化召回质量与上下文注入策略，为模型提供准确、及时的执行环境与知识支撑
核心能力实现：负责Agent关键模块的工程落地，实现意图识别、任务拆解与反思纠错闭环
封装标准化SDK/API服务，构建Agent观测体系，实现全链路追踪与多维归因分析
系统迭代与演进：建立搭建自动化评测与回测机制，通过调优与Case分析不断收敛效果与性能提升的最优路径
沉淀方法论与可复用组件，推动 AI 能力从单点验证走向规模化落地
AI 洞察
优缺点分析
优点
- 处于大模型与Agent技术爆发的风口，能够接触并实践最前沿的AI原生系统架构设计
- 依托庞大的首页与推荐业务场景，拥有海量数据与真实业务痛点，技术落地价值极高
- 工程化体系成熟，能锻炼高并发、高可用及全链路观测等硬核工程能力
- 大模型技术迭代极快，需要持续保持高强度的学习以跟进最新的Agent架构与RAG优化方案
- 业务场景复杂，将模糊的业务痛点转化为明确的AI目标并实现稳定落地，对业务理解与技术抽象能力要求极高
- 适合具备扎实工程功底、对大模型Agent技术有浓厚兴趣，且渴望在真实复杂业务场景中推动AI规模化落地的技术人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 纵向可成长为AI应用架构师或大模型技术专家，主导更复杂的Agent系统设计与规模化落地
- 横向可向AI产品经理或业务技术负责人发展，通过技术驱动业务增长，实现技术与商业的深度结合
- 深入天猫首页与推荐业务场景，挖掘业务痛点并将其转化为大模型Agent的解决目标
- 设计并实现AI原生系统架构，负责Agent核心模块（如记忆管理、推理策略、工具编排）的工程落地
- 构建RAG知识库与交互环境，优化召回质量，并建立自动化评测机制以持续迭代AI效果
- 扎实的工程功底，熟练掌握Python/Java，具备高并发服务设计与全链路追踪能力
- 深入理解大模型Agent架构，熟悉Prompt、RAG全链路及上下文优化，有实际项目落地经验
- 具备较强的业务理解与抽象能力，能够将模糊的业务需求转化为可执行的AI技术方案
申请策略
- 提前了解天猫首页与推荐业务的最新动向，思考大模型Agent在该场景下的潜在应用价值与切入点
- 重点突出大模型Agent项目的成功落地案例，详细说明在记忆管理、推理策略或工具编排等核心模块的具体贡献
- 展示RAG全链路优化经验，提供召回质量提升或上下文优化的具体数据指标与Case分析过程
- 强调Python/Java高并发服务设计经验，以及在稳定性保障、全链路tracing等工程化方面的实践
- 深入学习Agent核心概念（如MCP、Skill、Harness）及主流开源Agent框架，提升AI原生系统设计能力
- 补充自动化评测与回测机制的搭建经验，掌握如何用数据驱动模型效果的持续迭代
面试指南
- STAR法则：针对项目经验，按照情境(Situation)、任务(Task)、行动(Action)、结果(Result)结构化表达，突出个人贡献与量化收益
- 技术深度+业务价值：在回答技术问题时，不仅讲透技术实现细节，还要关联到该技术如何解决业务痛点、带来什么业务价值
- 请分享一个你主导或深度参与的大模型Agent落地项目，遇到了哪些核心挑战，是如何解决的？
- 在RAG系统中，你是如何优化召回质量与上下文注入策略的？请结合具体Case说明
- 如何设计Agent的观测体系与全链路追踪？在出现幻觉或任务拆解错误时，如何实现反思纠错闭环？
- 面对高并发业务场景，你在Python/Java服务设计中采用了哪些异步、降级或稳定性保障手段？
- 复盘自己过往的Agent/RAG项目，准备好应对关于架构设计、Bad Case分析及效果评测的深度追问
- 了解相关技术文化，在面试中展现出对业务的热情与跨团队协作能力
职位点评
薪资福利85
成长发展90
工作生活50
使命价值80
薪资福利
85较高
作为核心业务AI研发岗，薪资水平处于市场前列，且具备完善的福利体系与较高的稳定性。
薪资信号未披露（AI估算：2千–3.5万/月）
成长发展
90较高
岗位处于大模型与Agent技术最前沿，依托复杂业务场景能提供极佳的技术深度与广度锻炼，成长空间巨大。
技术前沿前沿/新兴技术
技术栈大模型、Agent、RAG、Prompt、MCP、Python、Java、全链路追踪
业务类型ambiguous
工作生活
50较低
JD未明确提及工作模式与WLB相关信息，但作为核心业务研发岗，通常工作节奏较快，WLB情况无法准确判断。
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AI技术从单点验证走向规模化落地，赋能核心业务，具有较高的技术成就感与行业影响力。
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