阿里巴巴业务技术-AI Agent 开发工程师-物流执行
任职要求
1. 本科及以上学历，计算机科学、软件工程、人工智能、数据科学等相关专业优先； 2. 掌握至少一种主流编程语言（Python / Java / JavaScript），具备扎实的算法与数据结构基础，有良好的代码规范与工程意识； 3. 了解 AI Agent 基础理论与主流设计模式（如 ReAct、Plan-and-Execute、Multi-Agent 等），对 Agent 系统的工作原理有基本理论知识；有 Agent 开发实践经验者优先； 4. 了解 Agent 开发相关框架与关键技术领域（如 LangChain / LangGraph 等编排框架，Prompt 工程、RAG、Tool Calling、上下文工程等），有实际项目经验者优先； 5. 了解工具集成基本原理，对 LLM、Agent skill、MCP、Tool 等协议有基本理论知识，能够理解 Agent 与外部系统的交互方式； 6. 了解机器学习、深度学习…
工作职责
我们正在寻找热爱 AI 的你，共同探索智能物流领域的无限可能。如果你渴望在日均亿级包裹的淘天电商物流网络中，用 AI Agent 重构淘天电商物流业务形态，构建下一代淘天智能物流技术体系，这里是你理想的舞台！加入我们，你将： 1. 重塑物流履约体验：构建消费者体验、智能订单履约、智能物流质控、智能财务损益、商家运营提效等物流 Agent，实现从订单接入到末端配送的全链路智能决策，让每一个包裹更快、更准、更省地送达消费者手中； 2. 驱动物流数据智能化：建设智能数据商业分析 Agent，以 AI 驱动物流数据需求高效交付、商业洞察主动发现、分析能力跨场景规模化复用，让数据从"被动出报表"进化为"主动驱动业务决策"，支撑物流业务商业决策； 3. 构建智能物流技术基建：打造智能物流 Agent 基础设施平台，建设统一的开发框架、评估体系、可观测性平台、工具链与安全护栏，为物流全场景 Agent 规模化落地提供坚实底座，打造 AI 时代高效交付的新研发模式； 4. 实践敏捷全栈团队：参与以业务价值交付为中心的敏捷全栈团队实践——以业务目标驱动需求拆解，以端到端闭环打通业务需求、产品设计、Agent 研发、测试评估、产品发布到智能运营的完整研发流程，以持续交付、测试左移、即时反馈的敏捷实践驱动业务价值落地； 在 AI 与物流深度融合的新时代，让我们一起用 Agent 重新定义物流！来吧，期待你的加入，开启属于你的智能物流创新之旅！
我们是淘天集团-交易后链路团队，主要负责基础链路业务和平台的研发工作，包含：订单、逆向、服务、商家、评价等基础及创新型业务。这里有一流的技术产品，有电商基础场景，有百亿级别的数据、有超过百万QPS的高并发流量、有丰富的业务场景，服务于10亿级的消费者，这里有巨大的挑战，期待你的到来！ 1、主要负责基础链路（评价、订单、逆向、服务、商家）系统开发工作 2、能够深入理解业务需求，进行需求拆解，解决海量用户场景下的业务技术问题，承担重点项目、核心模块的开发工作； 3、负责攻克业务开发过程中高并发、高稳定性，业务模型复杂等带来的各种挑战及技术难点； 4、负责线上业务系统的架构升级、链路优化、线上问题排查，维护等其他工作； 5、通过 agent 构建和 ai 生码实践，落地 AI+交易的研发新范式，提升研发效率。
1. 负责客户智能体的核心架构设计、开发与迭代，实现任务规划、推理决策、多智能体协作等关键能力 。 2. 深度集成主流大语言模型，熟练运用提示词工程、微调等技术，优化智能体在物流客服场景下的意图理解、对话生成与任务执行效果 。 3. 主导智能体系统从技术选型、原型验证到大规模部署的全流程，解决高并发、低延迟等工程挑战，确保系统的高可用性与稳定性 。 4. 与产品经理、业务运营及算法团队紧密协作，深入理解客户服务流程与痛点，将技术能力转化为可量化、可落地的业务解决方案 。 5. 跟踪智能体领域的前沿技术（如Agent框架、RAG、多模态交互），进行技术预研和概念验证，推动技术在业务场景中的创新应用 。
团队介绍：Data-电商-智能对话团队，致力于打造业界领先的大模型对话系统。团队服务的日活用户超过数亿，应用场景覆盖抖音电商全链路，包括平台客服、平台商服、商家客服、达人客服，以及创新的智能导购等核心业务场景，通过持续的技术创新和优化，成功构建了一套完整的智能对话解决方案，为电商业务带来了显著的效率提升和用户体验改善。 课题介绍： 背景：电商智能客服正逐渐成为业务增长和用户体验优化的重要方向，基于大型语言模型（LLM）的智能客服系统解决电商场景中的核心挑战，由LLM完成一次用户进线的完整接待过程，包括诉求澄清、方案协商、方案执行等阶段，实现电商业务的智能化升级——让用户享受更智能高效的客服服务。 研究方向：本课题聚焦于LLM 后训练与智能客服。构建基于 LLM 的多智能体（Multi-Agent）框架，通过规划、回复、工具三类Agent的协作，实现从问题分析、方案执行到结果反馈的全流程智能客服。核心目标是确保客服对话的准确性、合规性与流畅度，避免模型生成幻觉或违背平台政策。同时，围绕电商客服的复杂任务，构建 Benchmark数据集，优化SOP遵循、多轮交互、用户满意度等指标。此外，研究高效数据利用方法，探索低标注数据条件下的LLM训练，并开发自动生成高质量训练数据的系统，以降低人工标注成本，提高智能客服的服务质量与效率。 1、开发AI驱动的智能客服系统：设计并实现AI对话式客服助手，能够处理电商咨询、投诉、退款、争议解决及物流相关问题，以AI替代传统人工客服； 2、大语言模型（LLM）后训练与高效学习：应用最前沿的LLM训练优化技术，如指令微调、强化学习、持续学习等，在最少标注数据的情况下优化AI客服响应质量；具备大语言模型（LLM）微调、知识蒸馏或强化学习的相关经验，应用于对话式AI场景；深入理解检索增强生成（RAG）、专家混合模型（MoE）、稀疏注意力、强化学习、推理时间优化等技术，以提升AI对话质量； 3、基准测试与训练数据构建：识别具有挑战性的客服交互场景，如政策解读、争议处理、客户投诉、导购推荐等，并构建专门的测试集和训练集； 4、多语言与跨文化客服支持：构建能够适应多语言和不同文化背景的AI模型，确保客服交互的精准翻译和针对不同用户群体的合适响应；精通多语言自然语言处理（NLP）、机器翻译及跨语言对话建模； 5、模型优化与高效部署：研究模型压缩、量化、推理优化等技术，确保AI客服助手在大规模应用场景下具备低延迟、高可靠性的表现。
团队介绍：Data-电商-智能对话团队，致力于打造业界领先的大模型对话系统。团队服务的日活用户超过数亿，应用场景覆盖抖音电商全链路，包括平台客服、平台商服、商家客服、达人客服，以及创新的智能导购等核心业务场景，通过持续的技术创新和优化，成功构建了一套完整的智能对话解决方案，为电商业务带来了显著的效率提升和用户体验改善。 课题介绍： 背景：电商智能客服正逐渐成为业务增长和用户体验优化的重要方向，基于大型语言模型（LLM）的智能客服系统解决电商场景中的核心挑战，由LLM完成一次用户进线的完整接待过程，包括诉求澄清、方案协商、方案执行等阶段，实现电商业务的智能化升级——让用户享受更智能高效的客服服务。 研究方向：本课题聚焦于LLM 后训练与智能客服。构建基于 LLM 的多智能体（Multi-Agent）框架，通过规划、回复、工具三类Agent的协作，实现从问题分析、方案执行到结果反馈的全流程智能客服。核心目标是确保客服对话的准确性、合规性与流畅度，避免模型生成幻觉或违背平台政策。同时，围绕电商客服的复杂任务，构建 Benchmark数据集，优化SOP遵循、多轮交互、用户满意度等指标。此外，研究高效数据利用方法，探索低标注数据条件下的LLM训练，并开发自动生成高质量训练数据的系统，以降低人工标注成本，提高智能客服的服务质量与效率。 1、开发AI驱动的智能客服系统：设计并实现AI对话式客服助手，能够处理电商咨询、投诉、退款、争议解决及物流相关问题，以AI替代传统人工客服； 2、大语言模型（LLM）后训练与高效学习：应用最前沿的LLM训练优化技术，如指令微调、强化学习、持续学习等，在最少标注数据的情况下优化AI客服响应质量；具备大语言模型（LLM）微调、知识蒸馏或强化学习的相关经验，应用于对话式AI场景；深入理解检索增强生成（RAG）、专家混合模型（MoE）、稀疏注意力、强化学习、推理时间优化等技术，以提升AI对话质量； 3、基准测试与训练数据构建：识别具有挑战性的客服交互场景，如政策解读、争议处理、客户投诉、导购推荐等，并构建专门的测试集和训练集； 4、多语言与跨文化客服支持：构建能够适应多语言和不同文化背景的AI模型，确保客服交互的精准翻译和针对不同用户群体的合适响应；精通多语言自然语言处理（NLP）、机器翻译及跨语言对话建模； 5、模型优化与高效部署：研究模型压缩、量化、推理优化等技术，确保AI客服助手在大规模应用场景下具备低延迟、高可靠性的表现。