智能互联业务技术-AI研发工程师-数据智能-自营技术
任职要求
1.2年以上数据研发或数据工程开发经验（有企业级电商/零售领域经验者优先） 2.编程能力：熟练掌握 Java/Python/Go 中至少一门语言，具备良好的代码规范和跨栈开发能力，能独立完成模块设计与开发。 3.AI技能：了解机器学习…
工作职责
1.数据研发与治理：负责淘天自营业务数据仓库的模型设计、ETL 开发及数据集市建设，保障 PB 级数据的质量、稳定性与产出效率。 2.AI数据应用开发：参与基于大模型（LLM）的数据应用开发，包括 Agent、RAG、NL2SQL 等功能的实现，提升业务方的数字化经营效率和数据研发的工作效率。 3.业务支持与落地：深入理解业务需求，定位业务问题，给出解决方案并转化为可落地的数据产品或服务，协助解决业务痛点。
1、参与淘天物流全域数据体系的规划与建设，构建高一致性、高复用的实时与离线融合数据资产底座，打造统一、可靠、可产品化的数据服务能力； 2、面向AI原生时代，设计并落地面向大模型与智能Agent消费的数据资产与知识库体系，重构数据的组织、语义表达与服务方式，支撑AI系统的高效理解、推理与决策； 3、深度洞察物流业务场景，探索大数据与AI融合的创新路径，通过数据Agent、RAG、任务编排等技术手段，推动数据从“被动响应”向“主动建议”演进，实现智能化运营闭环； 4、主导或参与湖仓一体的数据架构演进，推动数据采集、治理、质量保障、智能加工与自动化运维体系的持续优化，夯实物流业务高效运转的数据基石。
1. 参与构建淘天全域营销知识AI基础设施，负责将海量、多源的营销业务知识（如商品信息、权益规则、活动策略、用户行为等）进行结构化、体系化的组织与沉淀； 2. 设计并开发高效、鲁棒的知识处理工作流，包括但不限于：多模态（文本、图像、结构化数据）营销数据的清洗、融合、加工与向量化，为上层AI应用提供高质量的“燃料”； 3. 探索并实践知识检索增强（RAG）架构，参与设计面向营销场景的语义检索、混合检索方案，提升AI模型在复杂营销问答、策略生成等任务中的准确性与可解释性； 4. 参与营销领域本体（Ontology）的构建与迭代，将业务专家的经验和逻辑转化为机器可理解的知识图谱，推动营销知识的标准化和智能化应用； 5. 紧密协同算法、产品及业务团队，深入理解营销业务痛点，将业务需求转化为可落地的数据与AI解决方案。
1. 参与构建淘天全域营销知识AI基础设施，负责将海量、多源的营销业务知识（如商品信息、权益规则、活动策略、用户行为等）进行结构化、体系化的组织与沉淀； 2. 设计并开发高效、鲁棒的知识处理工作流，包括但不限于：多模态（文本、图像、结构化数据）营销数据的清洗、融合、加工与向量化，为上层AI应用提供高质量的“燃料”； 3. 探索并实践知识检索增强（RAG）架构，参与设计面向营销场景的语义检索、混合检索方案，提升AI模型在复杂营销问答、策略生成等任务中的准确性与可解释性； 4. 参与营销领域本体（Ontology）的构建与迭代，将业务专家的经验和逻辑转化为机器可理解的知识图谱，推动营销知识的标准化和智能化应用； 5. 紧密协同算法、产品及业务团队，深入理解营销业务痛点，将业务需求转化为可落地的数据与AI解决方案。
1、参与手猫AI导购和AI助手Agent系统的架构设计、开发、测试与部署，负责Multi-Agent框架的搭建与核心业务场景的开发。 2、将大型语言模型（LLMs）或其他AI模型集成到Agent系统中，负责自有Agent的调优与迭代，实现特定业务场景下的精准任务规划与执行。 3、负责Agent的工具调用、记忆机制、规划推理、环境交互等核心模块的开发，并主导A2A（Agent-to-Agent）二方能力的对接与集成，优化Agent系统的性能、稳定性和可扩展性。 4、与业务运营、产品经理、算法及其他工程师紧密协作，将Agent技术深度落地到AI导购、AI助手等实际业务场景中。 5、跟踪AI Agent及Multi-Agent领域的最新技术和发展趋势，持续探索前沿方案并应用于产品创新与开发。