阿里巴巴淘宝平台事业部-AI Agent应用研发工程师-淘系商家服务方向

● 引领下一代 AI 原生与 Agentic 搜索系统：深度参与生成式搜索从理念到产品的全链路建设，推动大模型（LLM）与传统搜索架构的深度融合，构建具备推理、规划与执行闭环的搜索智能体（Search Agent）。 ● 打造搜索运营智能体（Operations Agent）：从“AI辅助”迈向“AI自治”，设计并落地基于大模型的多智能体协同网络，定义新一代智能运营范式，探索 Agent 在复杂电商策略配置与故障自愈场景中的极限能力。 ● 构建 AI 试穿与智能交互搭配平台：将前沿生成式 AI 与 Agent 技术转化为亿级用户可感知的极致体验，推动“看图购物”进化为“多轮交互、沉浸式试穿”的智能助手体验，重塑消费决策路径。 ● 夯实亿级高并发智能工程底座：在保障极致稳定性的前提下，设计并优化支持长链路 Session 状态存储、长任务（Long-running tasks）调度以及大模型推理的高性能后端架构，突破高并发下的延迟瓶颈，打造高性能、高可用、高智能的系统。 ● 驱动 Agent 体验与商业价值持续跃升：在 AI 与智能体赋能下，同步优化搜索相关性、多样性与转化效率，通过高效率的工具调用（Tool-Calling）与业务适配，为用户提升决策质量，为平台开辟新增长曲线。

1. 负责企业级办公Agent 技能市场产品/平台能力的设计和研发，包括前台产品能力、运营中心、开放对接能力等，打造企业办公易用/安全/统一的技能市场，加速AI在办公场景的大规模应用。 2. 参与搜索/意图识别等相关能力的设计和研发，涉及企业内部海量知识的接入/加工、搜索在/离线能力的建设（索引构建、意图识别、粗排/精排等），建设企业办公统一的搜索能力，同时结合技能市场的消费需要，提供高质量的findskill能力。

1、负责大模型/Agent应用核心链路的架构设计与系统研发，支撑大规模在线生产运行； 2、基于前沿大模型，设计Prompt组织、Agent编排、决策链路与评测机制，把模型能力转化为可度量的业务产能； 3、构建模型效果自动优化闭环与降本效率专项：错例归因、问题聚类、策略迭代、回归验证，推动系统自驱进化；推进平台在效果、成本、性能之间持续寻找更优解； 4、搭建面向AI决策的可观测与感知基础设施，让模型的判断过程对业务侧透明可信； 5、与策略、算法、模型训练、业务运营等多方深度协作，把复杂业务诉求翻译成可落地的技术方案。

职位描述：聚焦淘天核心业务与场景，利用大模型、Agent、工具调用、上下文工程、评测等技术，推动 AI 在真实业务与研发工作流中的规模化落地。你将参与淘天核心 AI 平台的建设，从业务意图理解、上下文构建、任务拆解、Agent 执行、产物生成，到效果评测、过程追踪与经验沉淀，完整参与 AI 能力从单点验证到平台化落地的全过程。 1. 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。 2. 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。 3. 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。 4. 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。 5. 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。 6. 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。