阿里巴巴AI Agent算法工程师 - Context Engineering方向 - 实习
任职要求
2028 年秋季毕业的硕士及以上在校生，计算机、人工智能、数学、统计等相关专业优先。 理解 LLM / Agent 工作机制及 Prompt Engineering 方法，熟悉大模型推理链路、Prompt 组织方式、RAG、Memory、Tool Use 等 Agen…
工作职责
设计并建设 Agent Context 基础体系：负责定义面向智能体的 Context 基本类型体系，包括但不限于时空（Spatio-temporal）、用户画像（User Profile）、设备/系统（Device & System）、环境（Environmental）、任务/意图（Task & Intent）、社交关系（Social Graph）、世界知识（World Knowledge）等，建立统一的数据抽象、语义规范与生命周期管理机制，为多场景 Agent 推理提供标准化上下文基础。 搭建可扩展的 Context Provider 接入框架：负责设计 Context Store 的标准化 Provider 接口与接入机制，使不同来源的 Context 能够以插件化、可扩展的方式接入系统。支持新的用户信号、外部数据源、系统状态等快速注册成为 Provider，而无需频繁改动核心框架，提升上下文能力的扩展效率与系统演进能力。 构建实时 Context 组装与 Prompt 注入能力：负责在 Agent 推理前，根据当前任务及 Agent 的 Context 需求声明，动态拉取、筛选、组装最相关的 Context，并完成面向不同 Agent 的 Prompt 注入。需要兼顾上下文时效性、模板化注入、自定义格式适配、Token Budget 控制及超限场景下的优先级裁剪策略，持续优化推理质量、响应效率与成本表现。
1、设计与实现主动式创作 Agent 核心算法，服务于大规模、高质量、低运行成本的商业化产品； 2、构建可控 Agent 架构：包括Agent Runtime、Tool/Memory/Context 抽象、多 Agent 协作模式等； 3、与产品/工程高频密切合作，结合产品功能、模型能力边界与架构约束，实现 Agent 产品的整体架构方案设计； 4、持续探索、研究并引入新的框架和 Agent 技术范式。
● 参与高德 AI Agent 在通识搜索场景下的 RAG 系统建设与效果优化，围绕知识组织与预处理、检索策略框架、Context 注入质量控制、检索词改写、检索结果 rerank 等核心环节开展研发。 ● 建设以 LLM 推理为中心 的评估体系，从 Information Sufficiency、Reasoning Supportability、Noise Resistance、Output Faithfulness 等维度分析并优化通识搜索效果。 ● 结合离线评测与实验分析，定位检索、推理与生成链路中的关键问题，推动算法迭代和效果持续提升。
1、主导基于大模型的AI Agent全生命周期研发，包括通用型及垂直领域AI Agent的架构设计、模型训练与评测； 2、运用SFT、RL等Post-training训练方法，提升大模型在自主规划（Planning）、多步推理、RAG增强生成、工具调用、数据问答、文案生成等方面的能力； 3、跟踪LLM与Agent领域的国际前沿技术动态，推动技术创新在业务场景中的落地应用，重点突破复杂推理、数据洞察、AI搜索、文案创作、图像连续编辑等方向的应用创新； 4、持续优化Agent算法与系统架构，构建端到端的智能体评测体系，开发自动化评估工具与多维评价指标，提升Agent系统性能与效率，打造业内领先的AI Agent技术方案。
企业智能部intelligence Lab是小红书面向 AI-native 组织建设的创新团队，聚焦企业级 AI Agent、AI-native 管理产品、智能工作流与组织智能方向。我们希望通过大模型和 Agent 技术，重新定义公司内部的决策、管理和协同方式，让决策更有效、管理更简单、协同更高效，让工作回归创造。该岗位将重点参与 Research Lab / Agent 算法方向建设，围绕企业复杂场景中的 Agent 规划、推理、工具调用、上下文理解、结果评测与持续优化，打造可在真实业务中稳定运行的企业级 AI Agent 能力。 1、参与小红书内部 AI-native 产品的设计、原型验证和上线落地，围绕组织管理、业务分析、运营提效、知识协同、经营决策等场景，探索 AI 产品新形态。 2、参与 AI Agent 和 Agentic Workflow 的设计与开发，包括任务拆解、工具调用、上下文管理、记忆机制、结果校验、多轮交互和工作流编排等能力建设。 3、参与企业级 Context Layer 建设，结合小红书内部文档、业务数据、项目进展、组织关系、会议纪要、OKR 等信息，构建可被 AI 理解和调用的上下文体系。 4、参与大模型应用评测与 AI Trainer 相关工作，包括 Prompt 设计、模型输出评估、标注规范建设、Badcase 分析、Validation验证、效果评估、质量反馈闭环等。 5、深入小红书真实业务场景，与业务团队一起发现高价值 AI 应用机会，完成需求澄清、方案设计、快速原型、效果验证和产品化沉淀。 6、参与 AI Workflow FDE 项目交付，将业务中的重复性、复杂性、高认知负荷工作流转化为 AI 辅助流程，推动从单点提效走向规模化复用。 7、关注国内外 AI Agent、AI Product、LLM 应用、企业智能、工作流自动化等方向的前沿进展，并结合小红书业务场景形成产品判断和技术方案。