阿里云阿里云智能-AI Agent研发工程师-AI搜索-杭州

任职要求

1.职位要求
  基础条件
  ● 计算机科学、人工智能、软件工程或相关专业本科及以上学历。
  ● 5-8 年以上搜索、推荐、NLP、大模型应用、AI Agent 或大规模分布式系统核心研发经验，条件优秀者可放宽年限要求。
  ● 具备极强的工程落地能力，精通 Python、Go、Java、C++ 中至少一到两门语言。
  ● 有复杂系统架构设计经验，能够从业务目标出发设计可扩展、可维护、可评估的技术方案。
 核心技术能力
  ● Agent 与 LLM 应用架构：熟悉 AI Agent 的核心机制，包括任务规划、工具调用、工作流编排、记忆管理、上下文管理、多 Agent 协作等；有 LangChain、LlamaIndex、AutoGen、LangGraph、CrewAI 或自研 Agent Framework 的实战经验。
  ● RAG 与 Agentic Search：深入理解 RAG、Hybrid Search、Query Rewriting、Reranking、Context Compression、GraphRAG、多跳检索、Deep Search 等技术，有复杂知识问答或企业智能搜索系统落地经验。
  ● 搜索与检索系统：熟悉 Elasticsearch、Lucene、Solr、Milvus、Qdrant、Weaviate、Faiss 等搜索或向量检索系统，理解倒排索引、向量索引、召回排序、相关性优化与大规模集群调优。
  ● 大模型工程化：熟悉 LLM 基础原理与应用接口，了解 Prompt Engineering、Function Calling / Tool Calling、SFT、模型路由、推理加速、上下文管理、缓存与成本优化等工程实践。
  ● 评测与可观测性：理解 Agent / RAG 系统的评测方法，能够设计离线评测集、在线反馈机制、A/B 实验、自动化评测Pipeline，并基于数据持续改进系统效果。
  ● 分布式与云原生：熟悉微服务架构、消息队列、任务调度、缓…

工作职责

1. 作为核心技术骨干，参与企业级 Agentic Search / 通用 Agent 平台的架构设计、技术选型与核心链路研发。
  ● 设计并演进 Agent 的任务规划、步骤分解、工具调用、状态管理、上下文管理、记忆机制与执行调度框架。
  ● 构建面向复杂问题的 Deep Search / Deep Research 能力，使系统具备多轮检索、多步推理、动态改写查询、反思校验与结果综合能力。
  ● 推动 Agent 系统从 Demo 形态走向生产级系统，重点解决稳定性、可观测性、可控性、延迟、成本与评测闭环问题。
  2. RAG 与复杂知识检索技术攻坚
  ● 深入优化 RAG 系统架构，解决海量异构企业文档、知识库、业务数据中的解析、切分、索引、召回、重排与答案生成问题。
  ● 构建面向 Agent 的检索基础设施，包括混合检索、语义召回、结构化查询、知识图谱检索、GraphRAG、多跳检索与上下文压缩能力。
  ● 设计高质量的 Query Understanding / Query Rewriting / Intent Routing 机制，提升 Agent 在复杂任务中的检索精度与推理效率。
  ● 解决长上下文、长链路任务中的信息丢失、幻觉控制、引用溯源、事实一致性与结果可信问题。
  3. Agent 工程化与系统能力建设
  ● 负责 Agent Runtime、Workflow Engine、Tool Registry、Memory Store、Prompt / Policy 管理、任务队列等关键模块的设计与实现。
  ● 建设面向生产环境的 Agent 可观测体系，包括调用链追踪、步骤日志、失败恢复、成本监控、质量评估与在线反馈机制。
  ● 优化 LLM 调用链路的性能与成本，包括模型路由、缓存、并发控制、流式输出、推理加速、上下文裁剪与多模型协同。
  ● 与算法、产品、业务团队协作，将 Agent 能力落地到企业搜索、知识问答、业务助手、自动分析、智能运营等真实场景。
  4. 搜索、模型与多模态能力融合
  ● 构建和优化混合检索架构，实现全文检索、向量检索、结构化检索、知识图谱与业务规则的深度融合。
  ● 推动排序、重排、语义匹配、跨模态理解等模型能力在 Agentic Search 场景中的工程化落地。
  ● 支持文本、表格、图片、PDF、Word、网页、业务系统数据等多源异构信息的统一理解、索引与调用。
  ● 持续提升系统在准确率、召回率、推理深度、响应时延、用户满意度等维度的综合表现。
  5. 技术引领与团队赋能
  ● 解决 Agent 系统研发过程中的复杂工程问题，包括长任务稳定性、工具调用失败恢复、复杂上下文管理、评测体系建设、线上质量退化定位等。
  ● 建立高质量的工程标准，通过架构评审、Code Review、技术分享与结对编程，提升团队在 Agent、RAG、搜索和大模型工程方向的整体技术深度。
  ● 持续跟踪 Agentic AI、Deep Research、GraphRAG、多模态 Agent、LLM Evaluation、模型推理优化等前沿技术，并推动其在业务中的合理落地。