阿里巴巴业务技术-AI agent优化工程师-交易质量
任职要求
基础要求： 1）专业要求：计算机、数学、统计学等相关专业硕士/博士优先，优秀本科生不受限制，工作一年及以上。 2）模型理解与优化：深入理解Transformer和主流LLM模型架构演进原理，对后训练算法有实操经验和深刻认知，拥有Agentic RL训练实操经验者优先 3）AI应用构建能力：掌握主流AI协议（MCP、Skills等）、记忆系统（Memory）、知识库（RAG），独立开发过具备一定影响力AI应用者优先 4）代码与工程能力：较强Python编程能力，熟练掌握Pytorch，了解大模型训练与推理框架（Megatron-LM、vLLM、DeepSpeed等），能高效处理分布式环境下的工程问题。 5）数据构建能…
工作职责
围绕真实电商核心场景，参与AI应用的系统化构建与优化，把AI变为业务增长引擎，具体工作包括： 1）AI应用全生命周期演进：深度参与业务问题建模、应用架构设计、上下文工程、训练数据构建、自动化评估体系、模型后训练优化等 2）数据飞轮构建：打造高质量数据生产链路，探索合成数据（Synthetic Data）与高效蒸馏技术方案，跑通“业务-模型-反馈”迭代闭环 3）评测体系构建：面向业务目标，设计完备的AI应用效果评估体系，构建自动化评估框架，建立离线评估与在线业务指标联动的量化评估能力 4）强化学习与奖励机制设计：构建可工程化的Reward体系与RL训练环境，提升模型在垂直业务场景中的可控性与泛化能力 5）AI外部能力体系搭建：实现AI应用所需的知识库（RAG）、长短期记忆系统（Memory）、工具调用、多Agent协作框架等 6）多模态AI应用开发：构建AI应用的多模态感知与推理能力，解决在UI自动化、视觉理解与审核、多模态会话等场景的落地应用问题
我们是淘天集团交易链路核心团队，构建 AI 驱动的电商交易新范式。通过 Agent 技术赋能订单履约、逆向售后、商家服务等核心场景，服务 10 亿+消费者和千万级商家生态。 技术特色: ● 电商 Agent 实战场景 - 电商消费者购物助手、平台运营助手、售后管理助手等； ● 大规模生产级应用 - 日均百万级 Agent 调用，毫秒级响应； ● 前沿技术探索 - RAG、Multi-Agent、LLM 微调在电商场景深度应用； ● 业务价值创造 - 交易效率提升、用户体验优化、成本降低； 1. 电商 Agent 系统设计与落地 ● 面向下单、购物车、订单、物流、逆向、商家等场景，设计实现生产级 AI Agent 系统； ● 完成需求澄清、技术方案、工程实现到线上大规模运营的全链路闭环； ● 持续优化 Agent 能力，创造可量化业务价值（客服效率、自动化率、满意度等）； 2. 大模型应用工程化 ● 负责 LLM 应用的数据处理、Prompt 工程、模型选型与调优； ● 探索 SFT、RLHF、RAG 等技术在交易场景的实践； ● 支撑业务快速迭代，平衡模型效果与工程质量； 3. 生产级系统交付 ● 构建高并发、低延迟、高可用的 Agent 推理服务； ● 实现可观测性体系（监控、日志、链路追踪），保障线上稳定性； ● 通过量化、剪枝、Cache 优化等手段提升系统性能； 4. 效果评估与持续优化 ● 建立 Agent 效果评估体系，通过 AB 测试、人工评测、业务指标形成迭代闭环； ● 分析 badcase，持续优化模型能力与系统鲁棒性； 5. 跨团队协作与技术推广 ● 与大数据、云计算、前后端、产品、业务团队深度协同； ● 跟踪前沿研究与产业趋势，快速验证并应用。
这是一个综合的AI推理、优化的技术岗位，适合从事以下工作的候选人投递： ● AI应用构建与模型优化工作的候选人 ● AI应用数据构建与自动化评测工作的候选人 ●多模态AI应用构建与算法优化工作的候选人 围绕真实业务核心场景，参与AI应用的系统化构建与优化，把AI变为业务增长引擎，具体职责包括以下相关方向的一项或多项： 1、AI应用全生命周期演进：深度参与业务问题建模、应用架构设计、上下文工程、训练数据构建、自动化评估体系、模型后训练优化等； 2、数据飞轮构建：打造高质量数据生产链路，探索合成数据（Synthetic Data）与高效蒸馏技术方案，跑通“业务-模型-反馈”迭代闭环； 3、评测体系构建：面向业务目标，设计完备的AI应用效果评估体系，构建自动化评估框架，建立离线评估与在线业务指标联动的量化评估能力； 4、强化学习与奖励机制设计：构建可工程化的Reward体系与RL训练环境，提升模型在垂直业务场景中的可控性与泛化能力； 5、AI外部能力体系搭建：实现AI应用所需的知识库（RAG）、长短期记忆系统（Memory）、工具调用、多Agent协作框架等 6、多模态AI应用开发：构建AI应用的多模态感知与推理能力，解决在UI自动化、视觉理解与审核、多模态会话等场景的落地应用问题。
围绕电商物流核心场景，参与AI应用的系统化构建与优化，把AI变为业务增长引擎，具体职责包括以下相关方向的一项或多项： 1、AI应用全生命周期演进：深度参与业务问题建模、应用架构设计、上下文工程、训练数据构建、自动化评估体系、模型后训练优化等； 2、数据飞轮构建：打造高质量数据生产链路，探索合成数据（Synthetic Data）与高效蒸馏技术方案，跑通“业务-模型-反馈”迭代闭环； 3、评测体系构建：面向业务目标，设计完备的AI应用效果评估体系，构建自动化评估框架，建立离线评估与在线业务指标联动的量化评估能力； 4、强化学习与奖励机制设计：构建可工程化的Reward体系与RL训练环境，提升模型在垂直业务场景中的可控性与泛化能力； 5、AI外部能力体系搭建：实现AI应用所需的知识库（RAG）、长短期记忆系统（Memory）、工具调用、多Agent协作框架等 6、多模态AI应用开发：构建AI应用的多模态感知与推理能力，解决在UI自动化、视觉理解与审核、多模态会话等场景的落地应用问题。
我们正在寻找一位具备卓业务洞察与和越工程能力的 AI 优化工程师。你将作为 Agent 效果优化的核心设计者、执行者，端到端地构建、评测并持续优化 AI 应用效果，将复杂业务场景转化为可量化、可迭代的优化闭环。 1、Agent 效果优化：负责主责场景下 Prompt、知识库、Skill、工具调用、记忆等核心组件的持续迭代，交付明确的量化收益（准确率、完成率、人工接管率、效率提升等） 2、评测与归因闭环：搭建自动化评测框架，完成"数据采集 → 评测分析 → Badcase 归因 → 优化验证"的完整闭环 3、数据飞轮建设：构建数据 Pipeline 与反馈机制，回流应用行为数据用于模型微调（SFT）与针对性优化，提升模型可控性与 ROI 4、AI 改造质量流程：利用 AI 重构测试链路，包括用例/脚本自动生成、回归推荐、缺陷聚类与复盘，将测试经验产品化 5、知识沉淀与团队协作：沉淀可复用的优化资产（Prompt 模板、评测脚本、Skills、最佳实践等），与产品/研发/SRE/运营协同推进质量前移与流程优化