jdwatch
  • Home
  • CLI
  • Skills
  • Blog
  • FAQ
  • Pricing
Sign In
Sign Up
jdwatch

Job aggregation tool from multiple recruitment sources.

© Copyright 2026 JDWatch. All Rights Reserved.

Get Started
  • Sign In
  • Sign Up
Legal
  • Terms of Service
  • Privacy Policy
  • Refund Policy
  • Cookie Policy
Contact
  • service@jdwatch.work

ATH事业群-AI Agent 全栈研发工程师-杭州

Company Aliyun

Focus Tech · Full Stack

Location 杭州

Published August 18, 2026

岗位职责

一、Agent Runtime 与任务编排

  • 设计并实现 Agent 运行时——基于 Planning / Memory / Tool-use 构建高性能编排引擎,覆盖多步推理(ReAct / Plan-and-Solve)、上下文管理与状态机,让 Agent 稳定跑完长链路任务而不中途跑飞
  • 深度优化 Function Calling 并基于 MCP(Model Context Protocol)构建可扩展工具链,打通 Agent 与外部系统、企业应用的互通
  • 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,突破长上下文知识瓶颈
  • 打通工具与沙箱执行层——代码执行、文件操作、外部 API 调用的安全隔离与权限控制,让 Agent 既能干活又不越界

二、评测与可靠性(Eval Harness)

  • 搭建端到端 Eval Framework——从单点工具调用到完整任务轨迹(trajectory)的自动化评测,用数据而不是直觉来判断每次迭代是进步还是退步
  • 建立自动化监控闭环——围绕决策轨迹、工具调用准确率、自愈率做全链路 tracing 与失败分层归因(infra 层自动重试、agent 层转人工),让线上问题可复现、可定位
  • 沉淀回归数据集与质量基线,推动团队形成"改一版就能量化验证"的研发节奏

三、全栈应用落地

  • 主导 AI 原生应用的端到端交付——打通从大模型推理、Agent 编排到前端用户界面的全链路,独立完成核心系统与模块的开发上线
  • 负责 Agent 工作台的交互实现——会话、任务视图、运行轨迹可视化,让用户真正看得懂 Agent 在做什么、卡在哪
  • 保持对业务场景的敏锐洞察,快速理解业务痛点,把模糊的产品需求转化为清晰的技术方案并推动快速迭代

四、技术协作与工程文化

  • 参与 Agent 方向的人才引进与技术面试,协助搭建高水准的工程团队
  • 积极沉淀 Agent 工程实践,输出技术文档与最佳实践,营造开放分享的工程文化
  • 参与技术分享与行业交流,在 Agent 工程领域建立个人和团队的技术影响力

任职要求

一、基础条件

  • 计算机、人工智能、数学等相关专业本科及以上学历
  • 3 年以上软件研发或 AI 工程落地经验(高级 / P7 方向需 5 年以上),有生产环境 AI 应用的开发与调优经历
  • 有从设计到上线、独立交付复杂系统的完整经历——需求、架构、编码、调优、线上运维整条链路都走过一遍

二、核心能力

  • 全栈无边界:Node、Python、Java 至少一门能扛生产,不挑技术栈、缺哪补哪,有独立扛起一条端到端链路的经验
  • Agent 运行时:有基于 Planning / Memory / Tool-use 构建编排引擎、Function Calling、MCP 工具链或多步任务管线的落地经验,踩过长链路稳定性与时延成本的坑并把它填上
  • 评测与可靠性:有搭建端到端 Eval、可观测体系(决策轨迹 / 工具准确率 / 自愈率)的实践,习惯用数据度量效果而不是拍脑袋
  • 复杂问题拆解:主导过有明确指标的技术攻坚,能把模糊的商业需求转化为清晰、可执行、可验证的 Agent 工程链路

三、优先考虑

  • 有 Codex、Claude Code、Cursor 等编码 Agent 或 Agent 产品的深度使用或研发经验,有敏捷的AI协作技巧
  • 有基于 LangGraph、OpenAI Agents SDK、Google ADK、Hermes Agent 等主流 Agent 框架构建多 Agent 系统的经验,有源码级定制或重构经历者更佳
  • 有 Agentic RAG / GraphRAG 落地经验,用过 Milvus、Qdrant、Neo4j、NebulaGraph 等向量 / 图数据库;或有面向 Tool-use 场景的 SFT / DPO 模型对齐实战
  • 有字节、腾讯、百度等大厂 Agent 平台或研发效能工具的落地案例,或作为核心开发者参与过知名开源 AI / Agent 项目
  • 重点应用领域架构能力。电商、营销、金融 等。