阿里巴巴AI agent平台研发工程师
任职要求
1. 基础扎实： 计算机、软件工程、人工智能等相关专业，扎实的计算机基础（包括但不限于数据结构与算法、操作系统、计算机网络等）； 2. 编码功底： 优秀的编程能力，熟练掌握至少一门主流服务端编程语言（如 C/C++、Go、Java 或 Rust），拥有良好的代码习惯和工程架构素养； 3. 拥抱 AI 时代： 对大模型（LLM）和 AI 前沿技术有浓厚兴趣和极高的热情。熟悉基础的 Prompt 工程、Agent 核心架构（如 ReAct、Plan-and-Solve 等）或 RAG 相关技术栈； 4. 底层技术嗅觉： 熟悉分布式系统设计，了解高性能网络服务器编程原理，对异步 IO、内存管理、多线程并发同步等机制有深刻认知。有分布式存储、数据库内核相关研发项目经验者优先； 5. …
工作职责
参与打造业界领先的 AI 底层平台，在超大规模的异构数据与算力基座上，构建面向全场景 AI Agent 的运行、通信、存储、调度与反馈处理框架，参与Agent框架、AI 网关、AI Registry设计，定义新一代的 AI 基础设施。 1. 建设AI Agent 核心基础设施：打造支撑海量 Agent 高效运行与演进的新一代运行、通信、数据处理平台。通过构建高性能的数据存储、检索引擎及计算流水线，挖掘海量Agent 运行时数据、交互轨迹及上下文中信息价值； 2. 核心架构与功能研发： 参与全公司级 AI Agent 底层数据与计算平台的设计与研发，提供支撑 Agent 运行的高效数据采集、处理、存储与检索能力； 3. 数据飞轮建设： 设计并研发 Agent 交互数据的收集、清洗与自动化评估系统，构建高质量的数据反馈回路（Feedback Loop），持续驱动大模型与 Agent 能力的迭代升级； 4. Agent 运行时基座： 研发稳定、高可用的 Agent 运行时（Runtime）架构和数据基础设施，包括但不限于上下文prompt、skills及长短期记忆（Memory）管理、状态持久化及高并发任务调度引擎。
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。
1、负责企业级的AI Agent平台产品分析、架构设计、研发与持续迭代演进； 2、负责Agent技术研究应用及产品能力建设，包括不限于Multi-Agent、Workflow等，构建和完善多智能体系统的应用能力，确保系统的稳定性和扩展性。 3、负责Agent相关垂类应用落地，包括垂类Agent在商业化广告、客户服务、品牌营销、研究报告等方向的落地，提升智能体在复杂环境中的协作和决策能力。 4、能够持续学习、研究行业最佳实践，不断优化和提升大模型Agent的应用技术、支持业务场景下的Agent能力演进。
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。
1. 探索智能化在淘系商家服务场景的落地应用与创新突破，充分发挥AI应用的潜力，构建电商B端服务的下一代AI技术体系； 2. 重塑商家进线服务体验：通过智能场景化预测、知识检索、智能路由应答、人工协作等多元AI工具，提高商家进线求助平台的服务体验； 3. 赋能商家智能化运营：深入商家在平台经营的业务，打造一些帮助商家自助解决、售后订单处理、ERP集成等AI助力工具，提升商家在平台的经营效率与效果。