Tmall logo
天猫
业务技术-Agent基建研发工程师-杭州

业务技术-Agent基建研发工程师-杭州

发布于 1 小时前

普通员工/个人贡献者

AI 估算 · 3.5–6.0万 · 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
Agent Runtime
Ai工程化
Go
Llm
分布式系统
知识库
评测体系

值不值得投

74综合评分

综合评分 74

前沿 Agent 平台研发岗,技术成长强,业务落地价值高,办公与 WLB 信息未披露

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

4.8万

比AI算法中位数高

发布情况

新岗位 · 今天发布

公司情况

这家公司招聘很活跃

约 290 个在招 · 其中AI算法 8 个

市场机会

选择面较广

杭州 · AI算法 · 约 120 个在招

职位详情

关于这个职位

该岗位面向天猫业务场景,负责 Agent 构建平台与效果优化基础设施建设,包括工具、Skill、知识库、评测体系、问题归因和线上反馈闭环

适合有后端或全栈研发经验、希望深入大模型 Agent 工程化与平台建设的工程师

最低要求

计算机、软件工程、人工智能或相关专业本科及以上学历

年以上后端或全栈研发经验,有 AI 工程化项目经历
计算机基础扎实,至少精通 Java / Go / Python 之一
熟悉分布式系统、数据库、缓存、消息队列、容器化等通用技术体系
具备大规模分布式系统的设计与性能优化能力,能结合业务负载与增长预期做容量规划与架构取舍,定位并解决生产环境中的性能瓶颈,保障核心链路的稳定性与可扩展性
对大模型与 Agent 有深入理解或实践:在评测、Agent Runtime、上下文管理、Multi-Agent 协作、Agent 构建平台等方向中,至少有一个方向的实践经验,能把业务的效果问题转化为可落地的技术方案
具备数据与效果的工程判断力:能设计指标与实验,看得懂评测结果并定位问题根因,能据此推动改进,并结合真实业务反馈验证改进效果
具备跨团队推动能力:能与产品、算法、业务团队对齐目标,把需求收敛成方案并推动落地
学习能力强,对前沿技术保持敏感

工作职责

负责 Agent 构建能力建设,涵盖 Agent 以及相关的工具、Skill、知识库等组件的开发与治理,沉淀 AI 场景的解决方案模板,降低业务从 0 到 1 构建 Agent 的成本

负责 Agent 效果优化基础设施的设计与实现,包括评测构建、效果评估、问题归因与迭代管理,让 Agent 效果可度量、可比较、可复现,确保每次迭代有据可依
负责接入业务的真实反馈与仿真环境,打通线上数据与优化链路的闭环,让 Agent 能基于真实场景持续进化
建设评测集自动生成、问题自动归因等智能优化能力,探索 AI 自进化方法,降低 AI 业务效果迭代的门槛,支撑业务取得更好的效果
跟踪 AI 技术发展趋势,评估并引入前沿技术,保持平台技术的先进性

优先资格

加分项:

有 LLM Agent 效果优化的落地经验
有 Agent 构建平台或开发者产品的建设经验(LLM Agent构建、Workflow 编排引擎、工具与 Skill 生态、低代码 / 可视化搭建等)
有开源 AI 项目贡献,或深入研究过业内优秀的 Agent 框架、Agent 平台、记忆系统或知识库,理解其核心设计、关键实现与技术取舍

AI 洞察

优缺点分析

优点

  • 岗位处在大模型 Agent 与业务平台结合的方向,技术主题较新,能积累 Agent 构建、评测、优化和工程落地的完整经验
  • 工作内容不仅涉及编码,还包括平台化、工具链和解决方案模板建设,容易形成可复用的体系化能力
  • 与真实业务反馈和仿真环境打通,能接触到实际场景中的效果问题,而不是停留在实验室式 Demo
  • 对开源项目、Agent 框架、知识库和记忆系统有深入研究者有加分,适合持续跟踪前沿技术的工程师
  • 平台型项目需要服务多个业务团队,需求收敛、优先级协调和跨团队推动会占用较多精力
  • 技术方向演进很快,需要持续学习新的 Agent 框架、评测方法和大模型能力,否则容易落后于业务预期
  • 适合有三年以上后端或全栈经验、希望从传统业务研发转向大模型 Agent 平台建设的工程师,尤其适合对评测体系、工具链和工程化落地有兴趣的人

缺点 / 挑战

  • Agent 效果评测和问题归因本身难度较高,需要同时理解工程系统、模型行为和业务指标

角色解读

  • 短期可以深耕 Agent 平台工程化,成为大模型应用基础设施、评测体系和 Agent Runtime 方向的技术骨干
  • 中期可向 AI 平台架构师或技术专家发展,负责更大规模的业务接入、平台架构演进和技术选型
  • 长期可拓展到 AI 产品平台负责人、技术管理或业务 AI 解决方案负责人,连接技术能力与商业化业务场景
  • 建设 Agent 构建平台能力,围绕 Agent、工具、Skill、知识库和解决方案模板进行开发与治理,让业务团队能更快搭建 AI 应用
  • 设计 Agent 效果优化基础设施,包括评测集构建、效果评估、问题归因和迭代管理,让模型或 Agent 的效果变化可以被量化、比较和复现
  • 打通线上真实反馈、仿真环境和优化链路,把业务使用中的数据回流到评测与迭代流程中,推动 Agent 持续进化
  • 探索评测集自动生成、问题自动归因、AI 自进化等能力,降低业务侧进行 Agent 效果优化的门槛
  • 需要扎实的后端或全栈研发能力,至少精通 Java、Go、Python 之一,并熟悉分布式系统、数据库、缓存、消息队列和容器化体系
  • 需要理解大模型与 Agent 工程化,熟悉 Agent Runtime、上下文管理、Multi-Agent 协作、Agent 构建平台或评测体系中的至少一个方向
  • 需要具备数据驱动的效果优化能力,能够设计指标与实验、解读评测结果、定位问题根因,并用真实业务反馈验证改进
  • 需要较强的跨团队推动能力,能与产品、算法和业务团队对齐目标,把模糊需求收敛为可落地的技术方案

申请策略

  • 面试前建议了解天猫或电商业务中 Agent 可能落地的场景,如商家服务、客服、运营辅助、知识问答和流程自动化
  • 申请时尽量把简历定位为“AI 工程化/Agent 平台研发”,突出平台建设、评测闭环和业务落地能力,而不是只写通用后端开发经验
  • 突出后端或全栈研发项目,尤其是大规模分布式系统、性能优化、稳定性保障、容量规划和架构取舍经历
  • 重点呈现与大模型、Agent、RAG、知识库、Workflow 编排、工具调用或评测体系相关的项目,说明自己具体负责的模块和结果
  • 用量化方式描述效果优化成果,例如评测指标提升、问题定位效率提升、业务接入成本下降或迭代周期缩短
  • 强调跨团队协作经历,说明如何与产品、算法、业务方对齐目标,并把需求转化为可落地方案
  • 补强 Agent 构建平台相关能力,熟悉工具调用、Skill 生态、Workflow 编排、上下文管理、记忆系统和 Multi-Agent 协作机制
  • 系统学习 Agent 评测方法,包括评测集设计、自动评测、人工评测、问题归因、实验设计和效果可复现机制

面试指南

  • 对平台设计类问题,可按“目标与约束—核心模块—数据流—扩展与稳定性—效果评估”的结构回答
  • 对效果优化类问题,可按“现象定义—指标拆解—分层归因—实验验证—上线监控”的路径展开,强调可度量和可复现
  • 对项目经历类问题,使用背景、难点、方案、取舍、结果五段式,重点说明你自己的判断和落地贡献
  • 如果让你设计一个 Agent 评测体系,你会如何定义指标、构建评测集,并保证结果可复现?
  • 请介绍一个你参与过的大模型或 Agent 工程化项目,你在其中的职责、架构设计和技术取舍是什么?
  • 当业务方反馈 Agent 效果不好时,你会如何从数据、Prompt、工具、知识库、上下文和模型能力等角度进行归因?
  • 如何设计一个支持工具、Skill、知识库和 Workflow 编排的 Agent 构建平台?
  • 在大规模业务接入场景下,如何保障 Agent 平台的稳定性、扩展性和性能?

职位点评

薪资福利78
成长发展90
工作生活45
使命价值72

薪资福利

78中等

JD未披露薪资与福利信息,因此补偿性动机只能基于岗位要求判断。该岗位要求三年以上研发经验和大模型 Agent 工程化能力,技能门槛较高,通常对薪资议价有正向支撑。

薪资信号未披露(AI估算:3.5千–6.0万/月)

成长发展

90较高

岗位聚焦 Agent 构建平台、评测体系、问题归因、仿真环境和 AI 自进化方法,技术内容前沿且工程深度较强。JD还明确要求跟踪 AI 技术趋势并引入前沿技术,对技能成长和技术视野提升非常有利。

技术前沿前沿/新兴技术
技术栈Agent、LLM、Agent Runtime、Multi-Agent、上下文管理、知识库、评测、Workflow 编排、容器化、分布式系统
成长机会跟踪 AI 技术发展趋势、评估并引入前沿技术、保持平台技术的先进性
业务类型ambiguous

工作生活

45较低

JD仅明确地点为杭州,未提及远程、弹性办公、双休或加班情况,因此生活化动机满足程度难以判断。平台型研发与跨团队推动任务较多,但这一点不能作为加班推断依据,需面试时确认。

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

72中等

岗位通过降低业务构建 Agent 的成本、提升效果迭代效率,对 AI 应用规模化落地有明显价值。但JD未直接描述社会使命或公共价值,意义感主要来自技术平台建设和业务效果提升。

行业发展高速增长赛道
社会影响中性/一般
使命信号降低业务从 0 到 1 构建 Agent 的成本、支撑业务取得更好的效果
创新程度积极采用新技术
Watch Jobs