蚂蚁金服蚂蚁国际-Agent应用架构设计与开发-全球技术
任职要求
1. 3-5年后端开发经验,计算机/人工智能/相关专业,本科及以上,熟悉Java编程,设计模式,具有良好的编程习惯,熟悉常用技术框架、中间件以及数据库。 2. 扎实的 AI 后端技术研发基础,熟悉 Agent 搭建,对 Prompt/Context/Harness Engineering、LLM Serving 优化、Agent 技术和微服务应用有…
工作职责
Agent 应用架构设计与开发: 负责基于 LLM 的业务 Agent 系统设计,实现任务拆解、规划(Planning)、记忆管理(Memory)及API 集成(Function Call)。 1. 研发对话/多模态交互/多智能体协作场景下的 Agent 核心能力和创新技术。 2. 探索和提升 Agent 能力,设计并实现更高效的LLM 上下文系统、更丰富的 Skills/Tools 等。 3. 持续建设并提升 Agent 评测能力,结合强化学习提升 Agent 性能表现。
1. 主导现有物流系统AI化升级的整体后端架构设计,结合业务场景制定技术选型方案(如微服务/云原生架构),规划大模型集成、Agent调度的分层架构,保障系统扩展性与兼容性。 有成功落地经验、个人作品者优先; 2. 设计企业知识库的分布式架构,基于Python/Java技术栈搭建多源数据接入层、向量检索层与服务封装层,解决高并发下的数据同步与检索性能问题,输出架构设计文档。 3. 负责AI Agent核心架构落地,设计多智能体协作框架(如基于事件驱动/服务调用模式),定义Agent通信协议与状态管理机制,规避系统耦合风险,保障架构稳定性。 4. 主导架构评审与技术难点攻关,定期评估AI化架构适配性,输出架构演进方案,协调跨团队资源推进落地,确保系统AI化升级符合业务长期发展需求。
1、核心算法攻坚: 主导选品、定价、供应链、物流全链路的核心算法突破,解决跨域协同与复杂商业约束下的多目标优化难题; 2、算法模型与业务深度融合: 推动 LLM/VLM 、强化学习、仿真优化等前沿算法在业务深水区的创新应用,设计基于复杂商业反馈的微调与对齐范式,打造直接驱动业务增长的核心领域模型; 3、高不确定性下的分层强化学习与运筹优化: 构建多层强化学习体系并深度融合运筹优化技术,解决多时间尺度下的库存优化、在线分单与干线智能配舱等 NP-Hard 问题,在毫秒级内实现物流网络全局成本最优; 4、基于 AI 的时序预测: 实现跨国别、多场域、冷启动场景下销量与时效预测模型的范式突破; 5、业务闭环与生态建设: 将顶尖算法转化为真实的商业结果(规模、利润、效率);引领团队技术方向,构筑产研结合的技术护城河。
1. 负责面向商家的 B 端 AI Agent 应用建设,围绕商家经营、商品管理、订单履约、客服售后、营销运营、数据分析等场景,提升商家工作效率和经营效果。 2. 参与 AI Agent 基础框架能力建设,包括 Agent 编排、工具调用、任务规划、上下文管理、记忆机制、权限控制、工作流、人机协同、异常兜底等核心模块。 3. 将商家高频业务流程抽象为可复用的 Agent 能力和业务组件,如经营助手、商品助手、客服助手、营销助手、数据分析助手等。 4. 负责 Agent 与内部业务系统、数据平台、知识库、运营工具、CRM / 工单 / 商家后台等系统的集成。 5. 建设 Agent 应用的工程化能力,包括 Prompt 管理、工具注册、链路追踪、效果评估、灰度发布、成本控制和稳定性治理。 6. 与产品、算法、业务运营、商家服务团队协作,完成从业务场景识别、方案设计、原型验证到上线迭代的闭环。
你将加入创新业务核心算法团队,围绕创新业务场景,利用 LLM、RAG、Tool Use、Multi-Agent 等前沿技术,打造真正理解用户需求、具备规划与执行能力的新一代 AI Native 产品。 岗位职责 1、负责通用 Agent 框架的设计与研发,包括意图识别(Router)、任务规划(Planning)、工具调用(Function Calling)、检索增强生成(RAG)、状态管理(Memory)等核心能力,构建可支撑复杂任务执行的智能体系统。 2、深入创新业务核心场景,设计垂类 Agent,打通用户状态、结构化信息、环境信息、知识库等多源信息,提升用户从“提出需求”到“获得可执行方案”的效率与体验。 3、基于开源或自研基座模型,利用 SFT、RL 等技术进行垂直场景微调,增强模型在复杂指令遵循、规划推理、工具使用、个性化表达与安全性上的能力。 4、面向长链路、复杂任务场景,探索并落地 Multi-Agent 协作机制,提升系统任务完成率、稳定性与可解释性。 5、建设 Agent 自动化评测平台,制定覆盖任务完成度、相关性、可执行性、工具调用准确率与安全性的多维指标,通过离线评测与在线 A/B 实验持续驱动效果优化。