阿里云阿里云智能-AI Agent应用工程师-专有云（北京&杭州）
任职要求
三、任职要求 1. Agent 产品架构能力 ● 理解 Agent Runtime、Planner、Memory、Tool、Knowledge、Workflow、Evaluator、Guardrail 等核心模块。 ● 能够根据业务场景选择单 Agent、Multi-Agent、Agentic Workflow 或人机协同方案。 ● 能将业务流程抽象为任务模型、工具模型、知识模型、权限模型和评估模型。 ● 能判断哪些能力适合平台化，哪些能力适合场景化，哪些场景不适合 Agent 化。 2. LLM 应用工程能力 ● 熟悉 LangChain、LlamaIndex、AutoGen、CrewAI、Semantic Kernel 等框架…
工作职责
一、岗位定位 负责企业级 AI Agent 应用的架构设计、核心模块建设与场景化落地，面向政企、教育、金融、企业办公等 ToB 场景，将大模型能力封装为可复用、可交付、可运维的 Agent 产品与解决方案。 该岗位重点关注 Agent 产品架构、工程平台建设、业务场景抽象、私有化交付落地，推动“案例沉淀为模板，模板沉淀为产品，产品支撑规模化交付”。 二、核心职责 1. 企业级 Agent 产品架构设计 ● 负责 Agent 平台整体架构设计，包括 Agent Runtime、编排引擎、工具调用、知识接入、权限安全、观测评估、部署运维等核心模块。 ● 将大模型、RAG、工具调用、工作流、知识库等能力抽象为可配置、可复用的平台能力。 ● 面向专有云、混合云等企业级场景，设计安全可治理的运维体系。 2. Agent 编排引擎与运行时建设 ● 设计并建设 Agent 编排引擎，支持任务分解、状态管理、工具调用、异常恢复、人机协同和结果追踪。 ● 根据场景选择单 Agent、Multi-Agent、Agentic Workflow 等不同工程方案。 ● 提升 Agent 运行过程的可观测、可评估、可回放和可调试能力。 3. LLM 应用工程化与平台能力沉淀 ● 优化 Agent 在生产环境中的延迟、成本、稳定性、安全性和知识召回质量。 ● 建立 Agent 评估体系，覆盖任务完成率、事实准确性、工具调用成功率、人工介入率等指标。 ● 推动平台能力组件化、标准化，降低新场景接入与交付成本。 4. 场景化产品交付与模板沉淀 ● 面向政务、教育、金融、企业办公等场景，识别适合 Agent 化的高价值任务。 ● 将项目中的业务流程、知识结构、工具链路、Prompt 模板和评估样例沉淀为标准 Agent 模板。
1. 探索移动终端场景下及企业级效能产品下的Agent 应用工程技术，创新研发实现Agent 相关主流思维框架； 2. 开发大模型相关的数据知识图谱应用、CodeWiki、MCP等与大模型进行有效交互的数据模块，特别是在有利于大模型进行有效经验吸收的知识； 3. 开展对通用Agent、个性化Agent的开发应用及能力评估，不断增强领域Agent的能力，解决移动终端编码辅助场景下的研发效率问题，提升淘宝终端需求交付效率； 4. 协同业务、产品团队，实现从需求分析到技术方案设计落地等关键环节，实现Agent能力与业务场景的深度融合； 5. 持续关注AI领域最新进展，研究Agent领域的前沿技术（如ReAct、COT、A2A等多智能体协作和交互模式），并推动工程场景落地与性能优化。
1.重塑消费者体验：建设大模型智能化比价辅助决策、Al消费者智能问答助手等多元AI工具，提高用户购物体验，并进一步探索AI Native的新消费者产品形态； 2.赋能商家智能化运营：基于大模型调度多领域智能体，实现智能客服、采购寻源、内容生成、直播运营等全链路提效，赋能千万商家； 3.构建平台级技术基建：开发AI代码生成工具提升研发效率，打造面向运营小二的智能提效平台，探索面向全体企业员工办公场景的智能体架构。
1. 参与蚂蚁星河金融AI应用设计和开发，支持大模型研发训练以及在业务场景的应用落地 2. 负责信贷/资管/金市投研/营销等场景大模型应用场景的落地建设，以及相关AI平台系统的架构设计与开发； 3. 负责大模型性能分析和进行调优，识别和解决瓶颈问题，包括不限模型微调训练和模型评测等，提升模型效果和推理速度；
1.负责淘天内控平台的技术系统设计与核心功能开发，运用大模型（LLM）、机器学习等AI技术，系统化防控资金、业务流程、合规等复杂风险； 2. 深度参与下一代智能内控引擎的研发，将AI模型与实时策略深度融合，打造高并发、低延迟的决策系统，保障双十一等大促场景下的极致稳定性与精准性； 3. 针对内控风控这一高专业性场景，探索并落地大模型的领域后训练（Post-training）、指令微调（SFT）、检索增强生成（RAG）等前沿方案，持续提升模型在风险识别、归因分析、合规判断等任务上的准确率 与可解释性； 4.主导企业级AI应用的开发与落地，通过构建AI Agent、智能工作流（Workflow）和知识库引擎，重塑风险的主动发现、智能分析与自动化治理方案； 5. 持续跟踪大模型（LLM）、多模态、Agent框架、模型对齐与安全等前沿AI技术，并推动其在内控领域的创新应用与业务价值转化。