阿里巴巴淘天算法技术-大模型&Agent算法工程师-杭州
任职要求
1. 计算机、人工智能、机器学习或相关专业本科及以上学历（硕士优先），具备 1–5 年工作经验； 2. 熟练掌握 Python，熟悉 PyTorch 或 TensorFlow 框架，理解 Transformer 架构与大语言模型基本原理； 3. 具备大模型后训练实践经验，熟悉 Prompt Tuning、…
工作职责
我们是一支充满活力与技术深度的自营行业算法团队，致力于驱动天猫超市、天猫国际等核心自营业务的智能化升级。在这里，我们不仅用数据理解消费趋势，更用算法重塑商品运营与客户服务——从“人工经验驱动”到“AI自主决策”，构建更具竞争力的商品供给与更高效、可规模化的智能服务体系。 我们积极拥抱生成式AI浪潮，已在多个关键场景实现落地突破： ● 商品侧：探索基于大模型的智能选品辅助、营销素材生成与合规性机审，提升商品上架效率与内容质量； ● 客服侧：构建支持多轮意图识别、任务规划与跨系统调用的智能客服Agent，实现从“问答匹配”到“问题解决”的跃迁。 当前，我们正打造以大模型为认知核心、Agent为执行载体的下一代智能体系统，覆盖商品全生命周期管理与用户服务闭环。加入我们，你将参与设计并落地真正意义上的AI原生电商引擎，推动业务进入自动化、可进化的新阶段。 岗位描述： 1. 负责大模型后训练与领域适配，参与通用大模型在自营场景下的微调、指令对齐与多轮对话优化，提升模型在商品问答、素材生成、客服应答等任务中的专业性与一致性。 2. 负责智能Agent体系的研发与落地，涵盖工具调用（Tool Use）、任务规划、状态管理与多Agent协作机制，实现在智能选品、客服QA等复杂场景中的端到端闭环执行。 3. 负责设计并优化检索增强（RAG）系统，从索引构建、召回排序到知识融合与上下文压缩，全面提升RAG在商品知识、营销信息、服务标准等高准确性需求场景下的效果与稳定性。 4. 负责建立科学评测体系，设计覆盖功能性、合规性、一致性与业务转化的多维评估指标，系统分析模型表现，指导模型与Agent策略的精准优化。 5. 推进前沿技术在业务中的验证与落地，深入跟踪 LLM领域前沿进展，在真实场景中快速实验并应用。 6. 协同产品与工程团队，将算法能力高效集成至线上系统，兼顾性能、延迟与可用性，确保用户体验与业务目标双达成。 我们能提供： 1. 高价值业务场景：深耕天猫超市、天猫国际的商品与客服体系，覆盖跨境选品、用户咨询、履约售后等完整链路，技术直击业务核心。 2. 快速闭环验证：依托自营决策权，算法可快速上线并反馈于转化率、响应准确率、人力替代率等核心指标。 3. 丰富数据与资源支持：拥有完整的商品知识库、用户行为流与客服对话日志，支撑高质量训练与评测。 4. 复合成长路径：在技术深度（大模型/Agent）与业务广度（电商/跨境/客服）双重挑战中成长，核心骨干带教支持，晋升通道畅通。
1、大模型与智能体核心能力建设： 围绕销售及大件业务场景，负责大语言模型在意图识别、规划理解、多轮对话、用户画像与偏好洞察、话题与线索分析、知识问答及 chatBI 等核心能力上的应用设计、微调与持续优化，支撑线索智能体、销售助手智能体及大件智能体等关键场景落地。 2、智能体推理链路与多智能体协同设计： 参与线索子智能体、销售助手子智能体、大件智能体与一级、三级销售智能体的大模型协同架构设计，构建基于大模型的多轮推理、任务分解与业务决策链路，提升智能体在复杂销售与大件业务场景下的理解、决策与协同执行能力。 3、智能体工程化与能力复用建设： 设计并持续优化 Prompt、RAG（检索增强生成）、工具调用及 Agent 协作机制，推动大模型、推荐及相关决策能力的工程化落地，保障智能体能力的稳定性、可扩展性与跨场景复用。 4、业务决策模型与数据驱动优化： 结合销售线索质量、智能报价与折扣策略等业务需求，支持折扣方案模型的优化与场景拓展，通过数据挖掘与分析持续评估智能体与模型效果，驱动核心能力的迭代优化与业务价值提升。
1、大模型与智能体核心能力建设： 围绕销售及大件业务场景，负责大语言模型在意图识别、规划理解、多轮对话、用户画像与偏好洞察、话题与线索分析、知识问答及 chatBI 等核心能力上的应用设计、微调与持续优化，支撑线索智能体、销售助手智能体及大件智能体等关键场景落地。 2、智能体推理链路与多智能体协同设计： 参与线索子智能体、销售助手子智能体、大件智能体与一级、三级销售智能体的大模型协同架构设计，构建基于大模型的多轮推理、任务分解与业务决策链路，提升智能体在复杂销售与大件业务场景下的理解、决策与协同执行能力。 3、智能体工程化与能力复用建设： 设计并持续优化 Prompt、RAG（检索增强生成）、工具调用及 Agent 协作机制，推动大模型、推荐及相关决策能力的工程化落地，保障智能体能力的稳定性、可扩展性与跨场景复用。 4、业务决策模型与数据驱动优化： 结合销售线索质量、智能报价与折扣策略等业务需求，支持折扣方案模型的优化与场景拓展，通过数据挖掘与分析持续评估智能体与模型效果，驱动核心能力的迭代优化与业务价值提升。
工作职责： 1、大模型与 Agent 平台架构研发：负责大模型平台、Agent 应用平台的架构设计和核心功能研发，构建云原生架构下高可用、高性能、可扩展的微服务体系，支撑模型能力从训练、部署到业务应用的端到端落地。 2、AI 生产链路与 LLMOps 建设：建设面向大模型全流程的 LLMOps / DevOps 能力，覆盖模型训练、模型管理、推理部署、服务发布、监控告警、任务诊断、效果评估等环节，提升大模型生产效率和稳定性。 3、Agent 应用平台建设：参与建设面向业务研发和算法团队的 Agent 开发平台，支持 Agent Workflow、Tool Calling、Function Calling、MCP、RAG、Memory、多轮对话、调试诊断、应用发布等核心能力，降低大模型应用开发和上线门槛。 4、Pipeline 与任务编排系统建设：负责大模型任务流、Pipeline、Argo Workflows / Kubeflow 等任务编排能力建设，提升训练、部署、评估、Agent 应用构建等复杂任务的自动化、可观测和可恢复能力。 5、平台与框架深度结合：将平台能力与训练、推理、部署、Agent Framework 深度结合，通过任务调度、弹性容灾、失败重试、资源隔离、链路追踪、性能优化等能力，端到端提升 AI 生产效率。 6、平台体验优化及业务协同：持续优化 AI 平台和 Agent 应用平台的易用性、稳定性和开发者体验，与算法、推理、训练、云原生、业务研发等团队协作，将平台能力沉淀为可复用、可规模化的标准化能力。
1、基于DeepSeek开源模型，通过LoRA/QLoRA等技术，针对房产交易场景适配微调； 2、与团队协同，构建清洗企业房产交易数据集（如房源特征、客户画像、交易政策等）。