阿里巴巴AI应用开发工程师实习生
任职要求
1. 熟悉Python/Java/C++中至少一门语言，有良好的编程基础（课程项目/竞赛经历）； 2. 对Agent系统有基本认知，接触过LangChain/LLamaIndex等框架者优先； 3. 了解基础Prompt设计方法，对LLM技术有学习热情； 4. 选修过机器学习相关课程，有PyTorch/TensorFlow实践经历加分； 5. 具备逻辑分析和问题定位能力，对复杂问题有钻研精神； 6. 乐于团队协作，有技术文档写作或项目汇报经验； 7. 加分项：在GitHub有AI相关项目/发表过技术博客/参与过AI竞赛；在NLP或多模态大模型领域有实际的项目经验或发表过高水平研究论文。
工作职责
1. 参与企业办公场景智能体架构的探索，协助实现AI Agent系统的功能模块开发； 2. 在导师指导下学习RAG、知识图谱等技术，参与基础推理框架的搭建与测试； 3. 接触大模型基础调优技术，学习通过数据标注与效果评估提升系统性能； 4. 配合业务团队完成需求分析，参与具体业务场景的功能实现与效果验证； 5. 协助优化智能体交互体验，参与系统基础能力的评估测试； 6. 学习Agent领域前沿技术（如ReAct/COT等），参与技术调研与demo实现。
1、负责低代码平台与AI大模型应用场景落地（D2C、AI生成业务流程代码等），采用先进的算法工程方法，打造下一代AI低代码研发体系； 2、负责AI基建智能体研发平台的建设，赋能业务高效实现（无代码/低代码）AI业务应用的搭建； 3、探索AI For SE的前沿技术，结合前沿技术和创新想法能快速的进行产品化的落地。
1. 负责企业级智能办公助手AI Agent的架构设计与核心功能开发，打造智能化、自动化的办公体验； 2. 参与大模型微调、强化学习（RLHF）与Agent行为调优，优化Agent任务执行效率与响应质量，提升任务执行准确率与用户体验； 3. 负责Agent系统关键技术攻关，包括但不限于：多轮对话管理与上下文理解、复杂任务分解与规划、多模态交互与工具调用、智能体协同决策机制； 4. 与业务团队紧密协作，深入分析场景需求，设计端到端解决方案，实现Agent能力与业务流程的深度融合； 5. 建立Agent系统的性能和效果的评估体系，包括准确率、实时性、可靠性等关键指标的量化监控； 6. 持续跟踪AI前沿技术(如ReAct、CoT、MCP、A2A)，推动新技术在工程场景落地与性能优化。
1. 探索面向企业员工办公场景智能体架构，参与企业级AI Agent系统的设计与开发； 2. 整合RAG、知识图谱等关键技术，开发高性能推理框架； 3. 开展大模型微调、强化学习（RLHF）与Agent行为调优，解决复杂任务中的实时性、稳定性与资源消耗等问题，提升任务执行准确率与用户体验； 4. 协同业务、产品团队，主导从需求分析到技术方案设计落地等关键环节，构建端到端的技术实现路径，实现Agent能力与业务场景的深度融合； 5. 参与优化Agent自主决策、任务规划、多模态交互等能力，构建Agent系统的量化评估体系； 6. 持续关注AI领域最新进展，研究Agent领域的前沿技术（如ReAct、COT、MCP等多智能体协作），并推动工程场景落地与性能优化。
1. 探索面向企业员工办公场景智能体架构，参与企业级AI Agent系统的设计与开发； 2. 整合RAG、知识图谱等关键技术，开发高性能推理框架； 3. 开展大模型微调、强化学习（RLHF）与Agent行为调优，解决复杂任务中的实时性、稳定性与资源消耗等问题，提升任务执行准确率与用户体验； 4. 协同业务、产品团队，主导从需求分析到技术方案设计落地等关键环节，构建端到端的技术实现路径，实现Agent能力与业务场景的深度融合； 5. 参与优化Agent自主决策、任务规划、多模态交互等能力，构建Agent系统的量化评估体系； 6. 持续关注AI领域最新进展，研究Agent领域的前沿技术（如ReAct、COT、MCP等多智能体协作），并推动工程场景落地与性能优化； 7. 重点围绕自营类业务的供应链、消费、风控等场景进行AI创新应用，进一步降低用户消费决策成本，提供突破性消费体验。