阿里巴巴阿里国际站/Alibaba.com-AI应用开发工程师-AI Mode-杭州
任职要求
1、计算机相关专业本科及以上学历，3 年以上后端开发或算法工程经验 2、熟练使用至少一种主流 LLM 应用框架（LangChain / LlamaIndex / AutoGen 等） 3、具备实际的大模型应用落地经验（RAG / Agent / Fine-tuning 至少精通一项） 4…
工作职责
负责 AI Mode 核心业务场景的 AI 能力构建与落地，将大模型技术（LLM）转化为可量化、可评估的业务生产力。你既是 Agent 系统的架构师，也是业务逻辑的重构者。 岗位职责 1. Agent 系统开发与编排 基于 Accio Work / AI Mode 框架，设计并开发具备自主决策能力的 Multi-Agent 协作系统 负责 Agent 核心链路建设，包括意图识别、任务规划（Planning）、工具调用（Function Calling / MCP）及多轮对话管理 将复杂业务问题拆解为 L3-L4 级可执行的 Agentic Workflow 2. AI 应用开发与效果调优 掌握 RAG（检索增强生成）架构，构建面向业务场景的知识库与召回策略 通过 Prompt Engineering、模型路由（大模型打标 + 小模型执行）等手段，持续优化模型表现 将 AI 幻觉率控制在业务可接受范围（≤5%），任务完成率提升至 90% 以上 3. 评测体系建设与业务价值验证 搭建基于真实业务 Query 的 Benchmark 评测集，建立可量化的模型效果评估体系 主导 AB 实验设计，确保 AI 功能上线后核心业务指标实现置信增长（P < 0.05） 对负责场景的 Token 效能比负责，实现单位计算成本节降 ≥ 20% 4. 业务流程自动化与决策提效 将负责业务域中 50% 以上的重复性决策交由 Agent 托管 利用 AI 解决数据归因与取数痛点，将决策支持响应时间从“天级”缩短为“分钟级” 沉淀可复用的 Skill 与工作流方法论，带动团队 AI 工具采纳率提升
1、负责 AI Agent 平台核心架构设计与研发，构建高扩展性的 Agent 编排引擎、意图路由与多轮对话管理系统 2、设计并实现 Agent 运行时框架，涵盖动态图编排、ReAct 推理循环、上下文管理与特征流水线等关键模块 3、构建标准化的 Agent 工具体系（Tool Protocol），实现工具的声明式注册、并行调度、熔断降级与结果溯源 4、负责大模型应用层工程落地，包括 Prompt 工程化、流式推理链路、多模型路由与实验分桶体系 5、持续优化系统性能与可靠性，保障高并发场景下的低延迟响应与服务稳定性
1、负责直播AI应用的技术选型和方案设计、研发等工作，包括但不限于Agent开发、上下文工程、大模型训练等； 2、参与直播业务大型B/C端AI应用的研发工作，能够将AI应用落地业务场景，优化开发流程、提升交付效率和开发体验； 3、Web与LLM、AIGC等前沿技术研究，跟踪新技术、新模型技术发展并运用到实际项目中。
1. 参与公司 AI 相关业务产品的研发，负责 Android / iOS / 鸿蒙 / Web 等多端应用的设计与实现。 2. 使用跨端开发框架（如 Flutter、React Native、KMP等）提升开发效率，保证一致的用户体验。 3. 与产品经理、AI 算法团队、后端工程师紧密协作，将 AI 能力（AIGC、音/视频、图形/图像、大模型应用等）融入业务场景。 4. 关注大前端前沿技术（Android/iOS/鸿蒙/Web技术生态），推动技术落地与优化。 5. 参与端侧工程化建设，包括性能优化、组件化、工具链完善与开发体验提升。
部门介绍： 我们基于全球化架构与数字智能技术，构建坚实合规的全球化商业底座。采用先进的微服务架构、混合云最佳实践以及智能模块化设计，有效提升业务响应速度和灵活性。通过技术创新驱动研发模式的代际演进，聚焦敏捷开发、先进生产工具、自动化运维流程，践行AI和云原生时代的DevOps文化。打造技术产品和研发规范，构筑起全方位的安全防护屏障。依托数据平台，基于大数据分析、机器学习等先进技术手段，构建强大的数据中台和智能决策支持系统。我们的终端技术专注于提升用户的数字化交互体验，结合智能时代的人机交互范式和网络技术，为全球用户提供极致流畅、个性智能的产品体验 我们正在建设面向真实研发场景的 AI Coding 产品与平台能力，持续提升工程师及研发组织的交付效率与工程质量。我们期待你既具备扎实的软件工程能力，也愿意深入探索 AI 时代全新的研发范式，推动 AI 能力从技术验证走向规模化落地。 岗位职责 1. 负责 AI Coding 相关产品和平台能力的设计、开发与持续演进，包括 AI Agent、Agent Skill、MCP、上下文与记忆管理、知识库、工具调用及效果评测等。 2. 面向服务端、Web 前端、桌面端或移动端开展跨栈研发，完成从技术方案、编码实现到上线运维的端到端交付。 3. 推动大模型能力与代码生成、代码理解、测试、调试、评审、发布等研发场景深度结合，解决真实、复杂的软件工程问题。 4. 参与 DevOps 平台、CI/CD 流程、测试工具及质量平台等研发效能基础设施建设，打通 AI 能力与现有工程体系。