阿里巴巴交通智能体 Harness 研发工程师
任职要求
教育背景：计算机、软件工程、地理信息系统（GIS）、数据科学等相关专业，本科及以上学历。 核心开发能力：精通 Python（由于涉及大量数据处理和绘图库，Python 是绝对核心语言）。熟练掌握数据处理库（Pandas, NumPy, Geopandas）和常见的可视化渲染库（Matplotlib, Seaborn, Plotly, ECharts 等）。 数据流与时空数据经验：对时空数据有深刻理解。懂得如何将…
工作职责
高精度数据与渲染 SKILL 库建设（原子能力封装）： 取数类 SKILL：将高德历史沉淀的交通流速、流量（PCU）、拥堵延时指数、红绿灯状态等时空数据 API 封装为标准、低延迟、参数自解释的取数 SKILL。 渲染类 SKILL：构建图表与 GIS 渲染 SKILL 库（基于 ECharts, Matplotlib, Kepler.gl, Deck.gl 等），支持折线、柱状、时空热力、路网拓扑流向图的标准化渲染输出。 S2S 自动数据流水线引擎开发： 核心攻坚：研发一套面向 Agent 的 S2S 自动链条引擎。当智能体面对复杂任务时，支持其自动感知、选择并组装多个取数 SKILL。 设计中间态数据缓冲与对齐机制：解决多个取数 SKILL 返回的数据在“空间（路段 ID/坐标）”和“时间（5分钟粒度/小时粒度）”上不一致的问题，实现自动、低损的时空 Join 与清洗。
团队介绍 高德交通智能部 —— 我们是高德地图的硬核极客天团。过去四年，我们持续解锁交通科技树： 2022年 红绿灯倒计时黑科技 2023年 鹰眼预警 2024年 AI领航 2025年 交通大模型TrafficVLM全面落地 在这里，技术不止于代码，更在于重塑千万用户的出行体验。我们正在寻找对AI前沿充满热情、敢于用大模型重构算法范式的同路人。 岗位职责： 大模型后训练优化：负责大模型的全链路后训练（SFT、偏好对齐、强化学习等），提升模型在复杂交通场景与通用推理任务中的理解力、规划力与泛化能力。 智能体（Agent）架构与落地：设计并实现基于大模型的智能体系统，涵盖任务分解、工具调用（Function Calling）、记忆管理与多智能体协同，驱动交通业务自动化决策与执行。 大模型辅助算法研发：探索LLM在时空序列建模、交通预测与推理等算法研发全流程中的赋能路径，通过Prompt工程、基线代码/实验脚本生成、自动化实验追踪、数据构造辅助等手段，加速算法探索、迭代与验证，构建AI-native的算法研发范式。 评估体系与持续迭代：建立面向大模型与Agent的专项评估指标与自动化测试平台，结合线上业务反馈进行持续优化，保障技术落地效果与稳定性。
参与交通领域多模态大模型与智能体系统的研发，核心方向包括： 交通多模态大模型（VLM）的训练、微调与效果迭代，处理图文、轨迹、地图等多源信息 交通智能体（Agent）系统开发，实现交通场景下的信息理解、推理与决策 构建和优化训练数据管线，包括数据清洗、标注质量校验与增强策略 模型效果评估与分析，定位 bad case 并提出改进方案 跟进 VLM 与 Agent 前沿技术，进行技术调研与实验验证
1. 协助高级工程师进行路侧MEC系统的功能模块开发与测试。 2. 参与传感器设备接入、数据解析等基础服务的开发工作。 3. 协助进行系统性能监控、日志分析及基础的问题排查。 4. 参与代码审查、技术文档的编写与维护。 5. 完成导师安排的与车路协同、智能交通相关的其他开发或研究任务
1. 全国交警系统关系网络建设与管理 构建分级分类关系图谱（部委→省级→重点城市），设计覆盖策略与维护节奏。借助AI完成覆盖度盘点、联络记录归档等重复性管理，聚焦关键节点判断与高价值关系维护。 2. 交警体系认知改善 设计分层传播策略，区分政策层、推广层、执行层的差异化沟通方式。AI辅助舆情监测、热点聚合、案例检索，人负责信号解读和策略制定。 3. 政策研判与影响 建立交通安全政策、立法动态、行业标准的跟踪研判机制，输出定期简报与风险预警。参与立法调研，在政策制定过程中提供行业视角。AI辅助政策文本比对、变更追踪。 4. 交通COE建设与AI协作落地 负责交通安全管理顶层设计（风险识别、事件处置、数据治理）。推动AI工具在团队实际场景中的应用，沉淀"AI+政府关系"最佳实践。 5. 重大事件协调与应对 牵头交通安全领域重大事件的形势研判、策略制定与跨部门协同。建设应对口径知识库，将历次经验系统化沉淀为可复用的组织记忆。 6. 外脑专家资源联动 搭建交通安全领域专家库（高校学者、研究机构、退休官员等），通过咨询会、课题合作等形式提供外部智力支持。