Tmall logo
天猫
淘宝平台事业部-AI数据研发工程师-客户运营部

淘宝平台事业部-AI数据研发工程师-客户运营部

发布于 25 分钟前

普通员工/个人贡献者

AI 估算 · 2.5–4.5万 · AI 参考估算
中级经验
本科
全职员工仅现场办公AI算法
AI算法
Ai Agent
Llm
Mcp
向量数据库
数据治理
湖仓一体

值不值得投

76综合评分

综合评分 76

前沿AI技术栈、大厂核心业务、高成长潜力、工作强度可能较高

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便横向比较。

薪资怎么样

3.5万

比AI算法中位数低

发布情况

新岗位 · 今天发布

公司情况

这家公司招聘很活跃

约 270 个在招 · 其中AI算法 5 个

市场机会

选择面较广

杭州 · AI算法 · 约 100 个在招

职位详情

关于这个职位

负责构建面向AI应用的数据底座与资产体系,利用LLM开发落地Agent应用及评估系统

需具备大数据研发与AI工程化能力,保障数据链路稳定并持续优化业务价值

最低要求

本科及以上学历,计算机、人工智能、软件工程、数据科学等相关专业

精通Python,具备扎实工程能力(异步编程、面向对象设计、数据结构与算法),熟悉Git、Linux、Docker
年以上大数据研发经验,具备大数据平台或数据工程实战经验,熟练运用Hadoop/Spark/Flink/MaxCompute/ClickHouse/Doris/Paimon/Iceberg/Hudi/StarRocks等湖仓计算框架和引擎
年以上AI Agent应用研发经验,熟悉主流大模型调用和能力特性,熟悉运用至少一种主流Agent框架,在知识库检索、Skill、MCP等研发和调优有实战经验,具备将原型转化为生产级服务的能力
具备数据质量意识与成本优化思维,能在保障链路稳定性的前提下持续提升数据资产的复用率与业务价值

工作职责

负责面向AI应用的数据体系与数据资产建设,参与离线/实时数据研发,设计并落地高并发、海量大数据查询服务解决方案,为AI Agent提供稳定可靠的数据底座

基于LLM构建可落地的Agent应用,参与AI Agent系统架构设计与核心模块开发,搭建Agent评估体系与自动化评测流程,基于线上数据与badcase持续迭代优化
保障数据生产与消费链路稳定性,参与数据质量治理与成本优化,持续提升数据资产的可复用性、可观测性与业务价值

AI 洞察

优缺点分析

优点

  • 处于AI应用落地最前沿,接触LLM、Agent等热门技术领域
  • 背靠电商巨头,拥有海量真实业务数据和丰富的应用场景
  • 技术栈先进,涵盖大数据与AI工程化,个人成长速度快
  • 要求同时具备大数据和AI两方面的深厚功底,学习曲线陡峭
  • 需要处理高并发、海量数据的复杂工程问题,对系统稳定性要求极高
  • AI领域技术迭代极快,需保持持续高强度学习
  • 适合对AI应用落地有热情,且具备扎实大数据工程基础的技术人员
  • 追求技术前沿,希望在大厂核心业务线深耕的开发者

缺点 / 挑战

暂无明显挑战项

角色解读

  • 可向AI系统工程专家、大数据架构师方向发展
  • 随着AI Agent技术成熟,该岗位在智能客服、推荐系统等场景的应用前景广阔,具备极高的技术壁垒和职业竞争力
  • 构建支撑AI Agent运行的数据基础设施,包括离线/实时数据管道和数据资产库
  • 开发基于大模型的Agent应用,实现从原型到生产环境的转化
  • 建立Agent评估体系,通过Badcase分析持续优化模型表现
  • 精通Python及后端工程能力,熟练掌握Hadoop/Spark/Flink等大数据生态组件
  • 具备LLM应用开发经验,熟悉Agent框架、RAG技术及MCP协议
  • 拥有数据治理、质量监控及成本优化实战经验

申请策略

  • 关注公司在AI领域的最新布局和技术博客,面试时能结合业务场景提出见解
  • 准备关于数据一致性、延迟优化等工程难题的深度思考答案
  • 突出展示大数据平台搭建与优化的具体案例,量化数据规模和处理效率提升
  • 详细列举AI Agent项目经历,强调从原型到生产落地的全流程能力,特别是Badcase分析和性能调优细节
  • 深入理解主流LLM框架(如LangChain、LlamaIndex等)及Agent设计模式
  • 强化大数据组件(如Flink、Iceberg)的性能调优知识
  • 补充向量数据库和RAG技术的实战经验

面试指南

  • 使用STAR法则(情境、任务、行动、结果)描述项目经历,重点突出遇到的技术难点及解决方案
  • 对于系统设计题,先明确需求约束,再分层阐述架构设计,最后讨论扩展性和容错机制
  • 请描述一个你主导的AI Agent项目,你是如何解决幻觉或准确性问题的?
  • 在高并发场景下,如何设计低延迟的大数据查询服务?
  • 谈谈你对MCP协议的理解,以及它在Agent开发中的应用
  • 如何评估和优化大数据集群的资源成本?
  • 复习大数据核心组件原理及调优参数
  • 梳理AI Agent常见架构模式(ReAct、Plan-and-Execute等)及其优缺点

职位点评

薪资福利85
成长发展95
工作生活40
使命价值70

薪资福利

85较高

作为巨头企业核心部门岗位,薪资福利处于行业领先水平,虽未明确披露但市场水准偏高。

薪资信号未披露(AI估算:2.5千–4.5万/月)

成长发展

95较高

高度契合发展性动机,涉及LLM、Agent等前沿技术,技术成长空间巨大。

技术前沿前沿/新兴技术
技术栈LLM、AI Agent、Python、Spark、Flink、MCP、RAG
业务类型profit_center

工作生活

40较低

互联网大厂核心研发岗,工作强度通常较大,WLB可能受限,未提及弹性工作制。

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

70中等

通过AI技术提升电商运营效率和用户体验,具有一定的社会价值和商业意义。

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