阿里云阿里云智能-AI Agent研发工程师-杭州

1. 负责 AI Agent 核心架构设计与工程落地，构建基于 Planning / Memory / Tool-use 的任务编排引擎，实现复杂任务的自动化规划与执行。 2. 基于 MCP（Model Context Protocol）构建可扩展工具体系，优化 Function Calling，打通 Agent 与企业系统的集成能力。 3. 设计并落地 Agentic RAG 与 GraphRAG，构建支持多跳推理与动态更新的长效记忆系统。 4. 设计推理策略与模型调优方案，包括混合路由策略、Prompt 优化及面向 Tool-use 场景的模型微调（SFT/DPO）。 5. 建设端到端评估与可观测体系，搭建 Eval Framework，对决策轨迹、工具调用准确率与自愈能力进行监控与优化。 6. 负责 AI Agent 在真实业务场景中的落地，进行技术预研、架构设计、业务抽象与核心模块研发，推动产品快速迭代。 7. 主导 AI 原生应用的端到端交付，打通大模型推理、Agent 编排与前端交互，完成从研发到上线的全链路建设。

负责阿里集团、阿里云可观测平台建设，打造日增百PB级数据的实时数据分析平台。 通过实时采集、数据建模等技术，实时处理来自千万设备的海量可观测数据，并进行智能分析与洞察。 加入该岗位，您将有机会在国内超大规模的可观测平台上，构建面向各类AI应用场景的 AIOps 平台，打造新一代的 AI 基础设施。 ● 参与阿里云战略级核心产品云监控研发，参与面向AI应用场景的数据采集、建模、分析等功能开发与设计。 ● 参与可观测 AIOps 平台 UModel 及管控系统开发，服务于日志、指标、安全等云上下各类场景千万级实体统一建模能力。 ● 参与构建高性能、高可靠的 AI Agent 管控系统打造 AIOps 平台，深入底层优化，提升模型、GPU、网络等核心资源利用率。 ● 基于统一 AIOps 平台，研发覆盖服务端、移动端及 PC 端的垂直领域 Aegnt，实现对 AI 应用全链路行为的深度感知，包括推理延迟、模型版本一致性、设备资源消耗、用户交互异常等关键可观测指标的自动采集与智能分析。

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。

1. 负责联网搜索基础设施建设，包括网页抓取、采集调度、站点适配、反爬策略、代理管理、失败重试、增量更新、数据合 规与链路监控。 2. 建设网页内容理解与数据处理链路，支持 HTML、PDF、Word、表格、图片、动态网页等多源内容的解析、正文抽取、去 噪、去重、质量评估与结构化处理。 3. 负责离线通用索引构建体系，建设面向大规模网页和异构数据的倒排索引、向量索引、结构化索引、混合索引、增量索引 和索引质量评估能力。 4. 建设垂类搜索能力，面向企业知识、行业数据、内容、商品、业务系统等场景，设计领域数据 Schema、召回策略、排序策 略、过滤规则和结果展示策略。 5. 建设搜索质量优化与数据回流链路，包括 Query 日志、点击行为、用户反馈、Badcase 归因、人工标注、训练数据构建、 离线评测、在线 A/B 实验和排序迭代闭环。 6. 设计和优化搜索召回与排序体系，融合全文检索、语义召回、结构化查询、知识图谱、业务规则、Learning to Rank、 Reranking 等能力，提升相关性、时效性和可信度。 7. 构建面向 Agent 的 Deep Search / Deep Research 能力，支持多轮检索、多步推理、动态 Query 改写、结果聚合、反思 校验、引用溯源和答案生成。 8. 深入优化 RAG 与 Agentic Search 架构，解决复杂任务中的意图理解、Query Rewriting、Hybrid Search、Context Compression、多跳检索、GraphRAG、幻觉控制与事实一致性问题。 9. 参与 Agent 平台核心模块建设，包括 Agent Runtime、Workflow Engine、Tool Registry、Memory Store、Prompt / Policy 管理、任务队列和执行调度框架。 10. 推动系统生产化落地，重点解决稳定性、可观测性、延迟、成本、质量评估、失败恢复和线上效果退化定位等问题。