阿里巴巴业务技术-Agent算法工程师-记忆召回
任职要求
1、计算机/人工智能/数学等相关专业硕士及以上学历（博士及顶会论文发表者优先）； 2、有 2 年以上传统搜索引擎召回优化相关经验，具备精细化提升搜索召回效果的技术能力，熟悉图引擎和图召回者优先； 3、精通 Python 及 PyTorch/TensorFlow 等框架，具备 Qwen、Llama…
工作职责
关于我们 我们在淘天复杂业务场景中打造“可持续进化”的 AI Agent：不仅能回答问题，更能会学、记住、自我纠错。团队聚焦 Agent 记忆系统 + AI 搜索/知识召回 两大方向，在客服、商家经营助理等高复杂场景应用落地，形成了从数据闭环、训练体系到线上评测与迭代的完整链路。 我们相信记忆是下一代 Agent 的分水岭：我们已搭建自研记忆架构，并在多个内部/公开基准上取得领先效果；期待你一起把“记忆”从技术能力升级为业务护城河。 你将获得什么 ● 前沿研究与真实业务同频：围绕记忆结构设计、记忆更新机制、Memory RL/记忆 Agent 等方向做系统化探索，并能快速进入线上验证闭环。 ● 可发挥的技术纵深：从表征/倒排/图索引到多跳检索与路径级训练，从 RAG 到 Agent 记忆规划，既能做算法突破，也能做系统化落地。 ● 高影响力的场景与数据闭环：直接面向真实用户与高并发线上系统，问题复杂但反馈链路清晰，能快速沉淀可复用的技术资产与方法论。 ● 开放的成长路径：支持多元化方向发展，鼓励对外分享与论文/专利沉淀。 岗位职责 1、主导基于大模型的 AI Agent 全生命周期研发，包括通用型及垂直领域 AI Agent 的应用架构设计、数据构建、模型训练与评测； 2、运用 SFT、RL 等 Post-training 训练方法，提升大模型在自主规划（Planning）、多步推理、RAG 增强生成、工具调用、数据问答等方面的能力； 3、重点探索 AI 搜索技术在电商经营知识问答场景的应用落地，优化表征/倒排/图索引的知识召回效果，通过路径级数据的 SFT 训练 + 强化学习微调，提升Agent自主搜索与精准问答能力； 4、围绕记忆结构与记忆更新机制开展核心研发：探索前沿 Memory RL 方案，设计高效记忆 Agent 优化更新策略，并推动团队原创记忆图结构在业务中的规模化落地； 5、持续优化 Agent 算法与系统架构，构建面向问答和 AI 搜索场景的端到端智能体评测体系，开发自动化评估工具与多维评价指标，提升系统性能与效率。
职位描述 1、负责构建Agent核心逻辑，包括但不限于任务规划和编排，工具调用，mcp，skill，多轮对话管理，记忆，RAG，上下文工程，多智能体协同。 2、负责业务场景和商用场景的agent搭建，提供可用于生产的智能助手。 3、负责构建长短期记忆架构，解决长上下文的遗忘与注意力发散问题，提升用户在长期交互中的沉浸感，一致性。 4、负责构建文本的RAG系统，包括检索，召回，文本处理，等主要模块开发和优化。 5、负责Agent工具开发，接入搜索，浏览器，虚拟机等外部API、MCP和skills。 6、负责设计和调优Prompt，针对不同产品需求进行定制化优化。 7、负责针对产品需求设计科学，严谨的可量化指标和测试方案。
我们是阿里巴巴国际数字商业集团的智能技术团队，负责阿里巴巴旗下多个国际化电商平台（如 AliExpress、Lazada、Trendyol 等）的搜索、推荐、广告、用户增长等核心技术。团队致力于将最前沿的 AI 技术——包括大模型、多模态理解、智能体（Agent）系统等——与国际化电商业务深度结合，为全球用户打造更智能、更个性化的购物体验，同时赋能百万商家实现高效、自动化的经营决策。 选择加入我们，意味着你将投身于高速发展的全球化电商业务，参与构建下一代以 AI 为核心的智能商业基础设施。在这里，你不仅会推动传统算法系统的演进，还将主导面向未来的 智能体（Agent）体系 建设，打造具备感知、推理、决策与执行能力的自动化智能系统。你将有机会负责以下核心工作： 支持业务快速迭代：高效推进来自搜索、推荐、广告、用户增长等领域的多样化产品需求落地，支撑多语言、多市场、多场景的业务敏捷创新。 系统架构设计与优化：主导搜索、推荐、广告引擎的高可用、高并发架构设计，支持全球用户低延迟访问，并为智能体（Agent）系统的实时感知与响应能力提供底层支撑。 性能调优与资源效率提升：针对召回排序、模型训练与推理、特征计算等关键链路，进行深度工程优化（如分布式计算加速、内存管理、GPU/TPU 资源调度等），提升算法迭代效率与系统吞吐能力，为大规模 Agent 部署提供高性能基础设施。 工程平台体系建设：构建算法与工程协同的标准化平台，包括实时特征平台、在线推理服务框架、AB 实验平台、策略仿真环境等，支持从传统模型到智能体（Agent）的全生命周期开发与效果验证。 大模型与智能体（Agent）工程落地： 负责生成式 AI 技术的工程化落地，包括大模型训练、推理加速、多模态内容生成等； 主导 电商智能体（E-commerce Agent）系统 的设计与实现，构建具备任务规划、工具调用、多轮交互、自主决策能力的智能体架构； 探索基于大模型的自动化运营、智能客服、个性化导购、商家助手等 Agent 应用场景，推动 AI 从“辅助”走向“自主执行”。 加入我们，你将站在 AI 与全球电商融合的最前沿，用技术重新定义人、货、场的连接方式，共同打造一个由智能体驱动的下一代国际化电商平台。
负责AI应用探索类项目，工作包括/不限于：在线系统架构设计、在/离线数据生产链路设计、业务转化效果优化方案设计、系统性能优化、算法工程技术攻坚等 负责大模型应用基础组件的建设，工作包括/不限于：记忆组件、对话分析组件、知识库等的建设 承担大模型的落地开发工作，包括但不限于RAG、大模型微调、指令数据构建、模型Fine-tuning、Prompt Engineering、模型评测等研发，提升大模型的产品化能力，促进AI基础设施的构建； 跟进公司内外AI agent方向的技术演进，开展前瞻性技术研究，探索将新技术、新理念融于入现有系统的可能性，推动公司agent技术的持续创新和竞争力提升。
1.大模型应用开发：负麦基于主流开源/闭源大模型进行应用落地，包括问答系统、智能助手、知识检索、文档处理等；并与产品、前端、后端、数据团队紧密协作，推动算法模型在真实业务中的部署与落地。 2.RAG 系统优化：主导通用型 RAG(Retrieval-Augmented Generation)系统的构建与效果优化，包括召回、排序、长文本处理、多文档合成等关键环节。 3.Agent 框架开发：研究和实现多 Agent 协作框架，提高 Agent 在复杂任务中的稳定性与执行效果，探索如任务分解、工具使用、状态记忆等机制。 4.模型效果调优：结合业务场景，设计 Prompt、微调、评测等策略，提升大模型在特定任务中的表现。 5.技术积累与分享：沉淀可复用的模型应用框架、调优经验和评估指标，推动团队整体技术能力提升。