阿里云阿里云智能-应用研发专家（金融智能体）-（新金融行业线）北京/杭州
任职要求
1. 5年以上开发经验，至少熟练掌握一门主力语言（Java/Python/Go/Rust），具备扎实的系统编程与工程化能力。 2. 理解 LLM 推理链路与 Agent 交互范式（ReAct、Plan-and-Solve、Reflection），能设计可靠的多步工具调用与错误恢复机制。 3. 熟悉向量数据库与检索/排序链路，有 RAG 系统或 Agent 记忆系统端到端设计经验。 4. 具备清晰的系统分层与抽象能力，能从业务问题出发进行架构拆解，而非仅执行单点需求。 5. 是 AI Agent 产品（Claude Code、Cursor、ChatGPT、Manus 等）的深度用户，对主流 Agent 的能力边界与交互范式有切身体感。 有以下经验者优先考虑： 1. 有 Agent Harness / Runtime 系统设计与落地经验——包括编排…
工作职责
1. Long-Horizon Agent 核心架构：设计并落地面向金融场景的长程智能体系统，涵盖多步推理（CoT/ToT）、计划-执行-验证-重规划循环、跨会话状态持久化与经验累积，使智能体能够自主完成数小时乃至数天跨度的复杂金融业务任务。 2. Agent 运行时与编排引擎：构建 Agent Harness 层——支持 Agent Loop（ReAct/Reflection 循环）与 Graph-Native 有状态图编排（Nodes/Edges/Cycles、条件路由）两种范式，内置持久化层实现断点恢复、Human-on-the-loop 审批与轨迹回溯；设计 Agent 沙箱与隔离执行环境；支撑生产级多智能体协作与大规模并发弹性伸缩。 3. 上下文工程与记忆系统：设计工作上下文管理（压缩、摘要、窗口调度）与持久化记忆架构（向量检索、结构化经验存储），解决 "Lost in the Middle" 退化和跨 Session 状态断裂问题，保障长程任务执行质量。 4. 工具生态与 MCP 协议集成：设计 Tool-Use 框架与 Model Context Protocol 接入层，实现金融领域工具（行情、研报、合规检查、交易执行等）的标准化注册、动态发现与安全调用；定义清晰的 SDK/API 接口供客户侧二次开发与生态扩展。 5. Agent 评测与可观测：构建 Agent 评测体系——覆盖规划能力、工具调用可靠性、多轮交互一致性、长程记忆连续性等核心维度；建设 Agent 全链路 Tracing 与运行时可观测平台，支撑快速定位和修复 Agent 行为异常。 6. 新一代知识库（知识编译）：设计以 LLM 为编译器的智能知识库架构——摄入即整合，替代传统 RAG 的"查询时拼凑"模式，实现知识复利与持续增量更新，服务金融研报、合规文件等高密度知识场景。 7. 训推一体与模型服务：参与金融领域模型的微调、评测与推理服务建设，关注 Agentic RL 在金融任务上的应用，推动模型能力内化。 8. 金融级稳定性与合规：负责金融级 SLA 保障体系建设（容灾、降级、灰度、熔断），满足金融客户对高可用、数据安全与监管合规的严格要求。
负责企业级智能业务平台中"知识与记忆中心"的整体规划与技术落地。该模块是平台的核心基础设施，为上层多个业务 AI Agent 提供统一的知识与上下文供给，确保 Agent 在每次决策与执行时均能获取充分且精准的信息支撑。 本场景需统一治理跨域结构化数据、非结构化文本、即时通讯记录、既有知识库及业务事件流等多源异构内容，在异构数据源之上建立统一的知识表示、检索与服务体系，并构建"采集 → 提取 → 索引 → 评测 → 优化"的持续闭环，驱动知识质量与 Agent 决策质量的阶梯式提升。 岗位要求： ● 主导知识飞轮全链路的架构设计与技术选型，制定分阶段落地路线图，确保从 MVP 到规模化运转的路径清晰可控。 ● 设计多源异构数据的统一接入与变更感知体系，覆盖结构化数据、文档、IM 对话、知识库与事件流五类内容源，建立差异化的同步策略与时效性管理机制。 ● 针对不同内容类型构建差异化的知识提取与关联推理能力，包括文档解析与语义分块、对话意图提取、事件模式识别、跨域知识归一化与冲突消解。 ● 设计高效的多模态检索与分级缓存体系（向量检索 + 倒排索引 + 热温冷三级 Cache），在响应速度与知识时效性之间取得最优平衡。 ● 建立知识质量的全维度评测与归因体系（检索相关性、知识准确率、上下文完备度、业务效果归因），实现自动化持续运行，驱动飞轮各环节的迭代优化。 ● 沉淀知识工程方法论与最佳实践，培养团队核心技术骨干。
1. 深入业务一线，通过数据挖掘精准识别高价值痛点，将模糊的业务需求转化为明确的 AI 解决目标与技术指标； 2. 设计 AI 原生系统架构，重点规划 Agent 的核心模块（记忆管理、推理策略、工具编排），确保架构兼具灵活性、可扩展性与工程落地性； 3. 搭建 AI 与业务系统的交互环境，负责 API 接入、RAG 知识库构建及记忆方案设计；持续优化召回质量与上下文注入策略，为模型提供精准的知识支撑； 4. 实现 Agent 关键能力（意图识别、任务拆解、反思纠错闭环）；封装标准化 SDK/API，构建全链路观测体系，实现多维归因分析与效果追踪； 5. 建立自动化评测与回测机制，通过 Case 分析收敛最优路径；沉淀方法论与可复用组件，推动 AI 能力规模化复制； 6. 优化高并发场景下的系统性能，实施异步处理与降级策略；通过低侵入性观测手段，保障系统在长期运行中的稳定性与可靠性。
1、负责千问、夸克的Agent应用研发，熟练运用agent相关技术，实现诸多AI应用的快速落地与持续迭代； 2、保障Agent应用系统的稳定、高效运行，帮助业务优化性能和改善系统稳定性，持续提升用户体验； 3、持续跟踪前沿技术趋势，关注并探索引入新技术新方法，持续提升产品技术、工程架构上的先进性。
1、深度参与AI推荐工程全链路建设，推动大模型（LLM）与传统推荐架构的深度融合，构建具备推理、规划与执行闭环的智能体（agent），提供实时用户数据处理、用户记忆查询、圈人、主动匹配策略等特定场景的智能化服务能力； 2、负责agent核心架构的设计、开发与持续优化，构建高可用、可扩展的agent运行框架，完成在千问相关业务场景的落地； 3、抽象并持续优化agent关键能力模块，包括意图理解、任务规划、工具调用、记忆管理、多轮对话等核心功能，提升agent的自主决策与执行能力； 4、跟踪agent领域前沿技术与开源框架，推动技术选型与架构升级，沉淀agent开发规范、工具链与优秀实践，提升团队研发效率； 5、协同算法、产品、测试等团队，参与agent全生命周期管理，包括需求评审、方案设计、代码开发、测试验证与上线运维，保障项目高质量交付。