天猫
业务技术-AI应用研发工程师-Agent 平台方向
业务技术-AI应用研发工程师-Agent 平台方向
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
Langgraph
Rag
上下文工程
大模型
系统设计
值不值得投
80综合评分
综合评分 80
核心AI平台岗，前沿技术栈、成长空间大、薪资偏高，但工作节奏与挑战并存。
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
3.8万
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
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
该职位聚焦淘天核心业务，负责利用大模型和Agent技术推动AI在真实业务与研发工作流中的规模化落地
你将完整参与AI能力从单点验证到平台化落地的全过程，包括需求理解、架构设计、上下文构建、Trace观测及评测优化等工作
最低要求
计算机、软件工程、人工智能或相关专业背景，具备扎实的软件工程基础和系统设计能力
熟悉至少一种主流开发语言，如 Java、Python、TypeScript / JavaScript、Go 等，具备良好的编码能力、工程抽象能力和复杂系统实现经验
对大模型、AI Agent、工具调用、RAG、上下文工程、Workflow 编排等方向有实际理解或项目经验
能够理解业务问题，并将模糊问题拆解为可执行、可验证、可迭代的技术方案
具备较强的问题定位和系统调优能力，能够基于数据、日志、Trace 和 case 分析持续优化系统效果
具备良好的沟通协作能力，能够与产品、算法、工程、测试和业务团队共同推进复杂 AI 项目落地
对 AI 技术在真实业务和研发流程中的应用有强烈兴趣，愿意在不确定性较高的场景中持续探索和快速迭代
工作职责
需求理解与任务建模：深入业务与研发场景，理解真实业务目标、研发流程和协作痛点，识别高价值 AI 落地问题
将模糊的业务需求、研发诉求或效率问题，转化为明确的、可验证的 Agent 执行目标
Agent 系统架构设计：面向具体业务和研发任务，设计 AI Agent 系统架构
参与 Agent Runtime、Agent 编排、工具调用、权限控制、上下文管理、记忆机制、Trace 体系等核心模块规划，兼顾系统灵活性、可扩展性、稳定性与工程可落地性
知识、上下文与执行环境构建：搭建 Agent 与现有业务系统、研发工具链和知识体系的交互环境，涵盖 API 接入、代码仓库、文档系统、需求系统、CI/CD、测试平台、设计平台等
构建面向 Agent 执行的上下文组织与注入机制，优化知识召回、上下文压缩、工具选择和任务环境准备，为模型提供准确、及时、可追踪的执行环境
Trace、观测与归因体系建设：构建 Agent 全链路观测与 Trace 体系，记录 Agent 执行过程中的上下文输入、工具调用、文件变更、测试结果、人工干预、失败原因和最终产物
支持对 Agent 行为、任务效果、失败 case、成本和性能进行多维分析与归因，为后续优化和规模化落地提供依据
评测、回测与持续优化：建立自动化评测、回测和 case 分析机制，围绕真实业务任务构建评测数据集、验证标准和效果指标
通过模型选择、上下文优化、工具链改造、Prompt / Skill 调整、Workflow 编排等方式，持续提升 Agent 的任务成功率、稳定性、可控性和交付质量
系统性能与稳定性优化：面向真实生产环境和高频场景，优化 Agent 系统在并发、延迟、成本、稳定性和安全性方面的表现，保障系统长期稳定运行
优先资格
有 LangChain、LangGraph、Mastra 等 Agent 框架实践经验，有从0到1的Agent设计或平台工程经验者优先
有 RAG、向量检索、知识库、记忆系统、召回优化相关经验者优先
有开源项目、技术博客，持续你跟进并实践 AI 技术者优先
AI 洞察
优缺点分析
优点
- 处于AI技术落地最前沿，能深度参与大模型与Agent技术在真实复杂业务场景中的规模化应用
- 核心AI平台建设岗位，技术栈新颖，有助于积累极具市场竞争力的AI工程化经验
- AI Agent技术仍处于快速迭代期，需要在高不确定性场景中不断探索，技术选型和架构设计难度大
- 业务场景复杂，需要深入理解研发与业务痛点，对跨团队沟通协作与业务抽象能力要求极高
- 适合具备扎实后端工程基础、对大模型和Agent技术有浓厚兴趣，且渴望在真实复杂业务场景中推动AI落地的技术极客
缺点 / 挑战
- 依托庞大的业务体量，能够接触到海量真实数据与高并发场景，技术挑战与成长空间巨大
角色解读
- 从AI应用研发工程师向AI平台架构师或AI技术专家方向发展，深入大模型底层与Agent前沿技术
- 随着AI在业务中的深度渗透，有机会转型为AI业务负责人或技术总监，主导核心业务的AI化变革
- 负责淘天核心AI Agent平台的架构设计与开发，推动大模型在真实业务和研发工作流中的落地
- 构建Agent执行环境、上下文管理机制以及全链路Trace观测体系，保障系统稳定性与效果
- 建立自动化评测与回测机制，通过持续优化模型选择、Prompt和工具链，提升Agent任务成功率
- 扎实的计算机基础与复杂系统设计能力，熟练掌握Java/Python/Go等至少一种主流语言
- 深入理解大模型、AI Agent、RAG、上下文工程及Workflow编排等核心技术
- 具备优秀的业务理解能力，能将模糊需求转化为可执行的Agent技术方案，并具备较强的系统调优能力
申请策略
- 建议在简历或面试中准备1-2个具有代表性的AI落地案例，重点阐述遇到的技术难点及解决思路
- 关注近期的AI战略和技术博客，了解其在AI应用方面的最新动向和技术偏好
- 重点突出在复杂系统设计、高并发处理及工程抽象方面的实际项目经验
- 详细展示在大模型、AI Agent、RAG或LangChain/LangGraph等框架上的落地项目，强调从0到1的建设经验
- 体现将模糊业务需求转化为可验证技术方案的能力，以及通过Trace和数据分析持续优化系统效果的案例
- 深入学习Agent编排、上下文工程、记忆机制等前沿AI工程化技术，熟悉主流Agent框架的底层原理
- 提升对电商核心业务的理解，思考AI在交易、营销、研发效能等场景中的具体落地切入点
面试指南
- STAR法则：针对项目经验，清晰阐述背景、任务、具体行动（技术选型、架构设计）和最终量化结果
- 系统性思维：在回答架构设计或优化问题时，从需求理解、方案设计、工程实现、观测评测到持续迭代进行全链路拆解
- 请分享一个你从0到1设计或参与构建的AI Agent项目，重点讲讲架构设计和遇到的最大挑战
- 在Agent执行过程中，如何设计Trace体系来追踪上下文输入、工具调用和失败原因？
- 面对一个模糊的业务效率问题，你如何将其拆解为可验证的Agent执行目标？
- 如何评估和优化Agent系统的任务成功率、延迟和成本？
- 复习大模型应用开发的核心概念，如RAG、Prompt Engineering、Function Calling及主流Agent框架的原理
- 准备几个在复杂系统调优、问题定位方面的真实案例，展示你的数据分析和归因能力
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
作为核心AI平台研发岗，技术门槛高，薪资水平在同类岗位中具备较强竞争力，福利体系完善。
薪资信号偏高 (2.5千–5万/月)
成长发展
95较高
岗位聚焦大模型与Agent前沿技术，处于AI工程化落地最前沿，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈大模型、AI Agent、工具调用、上下文工程、RAG、LangChain、LangGraph、Trace体系
业务类型profit_center
工作生活
50较低
JD未明确提及工作模式与加班情况，但核心业务AI落地通常节奏较快，WLB情况需具体确认。
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
推动AI在真实业务中的规模化落地，具有较高的技术使命感与行业影响力。
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