【淘天】【暑期实习】【27届】淘宝直播-用户增长&搜推工程-AI工程师

欢迎学弟学妹们积极投递,AI元年hc爆炸多~感兴趣的同学可以私我。

【岗位介绍】淘宝直播是中国直播电商领域的开拓者与引领者。淘宝直播依托阿里巴巴集团生态体系,持续领跑行业。淘宝直播的市场占有率稳居前三,用户覆盖全面领先,电商生态深度融合。随着 AI 技术的发展,软件工程的范式正在发生根本性改变,未来的工程师不只是把需求文档翻译成代码的执行者,而是端到端解决复杂问题的“系统构建者”。在这里,你的日常工作画面不再是接需求写接口,你将直接面对真实的商业场景,用 AI 作为核心计算引擎,通过严谨的工程手段,让大模型在真实业务环境中发挥价值。你将获得一种全新的能力:跨越技术栈的边界,直接用智能技术为数亿消费者和千万商家创造看得见、摸得着的商业价值。我们是建设核心电商系统技术底座的团队,直接支撑淘宝天猫的商业运转效率,我们致力于通过智能的新方法不断优化消费者体验、对商家的经营效率负责。我们追求智能技术的上限,将前沿的 AI 知识和澎湃的算力,转化为实实在在的生产力;我们期望成为世界一流的 AI 研究和应用团队,让科技进步真正造福万家灯火。我们的优势:● 顶级模型基础: 毫无保留地接入和使用最先进的基础大模型,站在巨人的肩膀上做研发;● 算力和调用自由: 拒绝被 Quota 束缚你的想象力,我们提供无约束的 Token 消耗,让你的每一次尝试都底气十足;● 面向 AI 时代的成长蓝图: 告别传统的职业天花板,为你定制专属的成长路径,帮助你从“技术实现者”成长为“智能系统架构师”。

【岗位要求】聚焦核心业务场景,利用Agent等前沿技术推动AI落地。你将参与从需求洞察到系统构建的全流程,通过研发智能应用与工具,提升业务效率与效果,实现技术驱动业务增长的完整闭环,推动智能规模化演进,实现技术价值转化。

  1. 需求理解与归因:深入业务场景,利用数据挖掘与特征分析完成现象归因;精准识别高价值问题,将模糊的业务痛点转化为明确的 AI 解决目标。
  2. 架构设计:面向具体业务需求,设计 AI 原生系统架构;参与 Agent 系统核心模块的规划,包括记忆管理、推理策略与工具编排,兼顾架构的灵活性、可扩展性与工程可落地性。
  3. 知识与环境构建:搭建AI与现有业务系统的交互环境,涵盖 API 接入、RAG 知识库构建、记忆方案设计;持续优化召回质量与上下文注入策略,为模型提供准确、及时的执行环境与知识支撑。
  4. 核心能力实现:负责Agent关键模块的工程落地,实现意图识别、任务拆解与反思纠错闭环;封装标准化SDK/API服务,构建Agent观测体系,实现全链路追踪与多维归因分析。
  5. 系统迭代与演进:建立搭建自动化评测与回测机制,通过调优与Case分析不断收敛效果与性能提升的最优路径;沉淀方法论与可复用组件,推动 AI 能力从单点验证走向规模化落地。
  6. 性能优化:优化高并发场景下的系统性能,通过异步处理与降级策略保障稳定性,通过低侵入性观测手段保障系统的长期稳定运行。

【招聘对象】海内外院校2027届毕业生毕业时间:2026.11.01 ~ 2027.10.31工作地点:杭州、北京 任选

#淘天##AI求职记录##暑期实习#
全部评论

相关推荐

27暑期大李GOAT:今天二面的时候因为面试官问了场景题,但是那个场景题太容易了,一面就问过我类似的,一面面试官还耐心给我解答了,并且完全可以拿OpenClaw和Claude code的思路来套,我就说的很流畅被面试官质疑是不是拿AI搜的,然后我说最近面试比较多问的问题比较相似,只是换了场景,会不会凉啊😭
查看8道真题和解析
点赞 评论 收藏
分享
一、自我介绍二、项目深度拷问一(多模态相关项目)1. 项目中针对图文模态对齐问题,具体采用了哪些技术方案解决?2. 若图纸类视觉内容在文本中无任何对应描述,模型如何依托视觉特征实现精准内容召回?3. 项目向量数据库Milvus中,选用了哪类索引算法,选择该算法的核心依据是什么?4. 针对专业术语出现语义偏移的问题,除了混合检索方案,是否尝试过Embedding模型微调、Adapter适配等优化方式?具体落地思路是怎样的?三、项目深度拷问二(Agent对话/画像项目)1. 当外部测评工具返回的原始数据格式,与大模型输入预期格式不匹配时,如何实现数据格式的自动化映射?2. 向量库检索出的用户长期画像数据,与当前实时会话状态产生冲突时,整套系统的处理逻辑和解决方案是什么?3. 如何避免模型回复过度依赖检索到的外部知识,导致回答生硬、缺乏共情能力,提升对话自然度?四、AI Agent核心技术原理1. 对比思维链(CoT),ReAct范式在模型与外部环境交互过程中,核心解决了哪些痛点问题?2. 详细阐述大模型实现函数调用(Function Call)的完整流程,模型是如何将自然语言语义转化为标准化结构化参数的?3. 实际开发过程中,如何判断一个任务适合采用固定Workflow流程,还是自主决策型Agent来实现?五、Agent记忆与检索优化1. 详细讲解Agent系统中长短期记忆的设计逻辑,在长时对话场景下,如何实现上下文信息的动态压缩与选择性遗忘?2. 在Agent系统架构中,RAG检索获取的外部知识,是如何精准输入给模型,同时避免无关知识对模型输出产生干扰的?3. 解释重排序(Rerank)技术的定义,它在Agent检索链路中,对提升模型最终决策准确性起到哪些关键作用?六、多Agent与人机协作1. 单Agent处理复杂长周期任务时,引入多智能体(Multi Agent)架构的核心优势有哪些?2. Multi Agent系统中的路由(Router)节点,依据哪些规则和逻辑,将任务分发给对应的子Agent?3. 什么是人在回路(Human-in-the-loop)机制?在Agent系统开发中,如何合理设计人工审批断点,保障系统运行可靠性?七、系统评估与性能优化1. 有哪些量化评估方式,可以衡量一套Agent系统的优劣?2. 除模型生成质量外,Agent系统还需要重点关注哪些维度的评估指标?3. 针对Agent多步推理过程中产生的响应延迟问题,可落地的优化方法有哪些?4. 随着大模型上下文窗口持续扩容,传统RAG技术是否会被完全替代?阐述你的核心观点及理由。
查看20道真题和解析
点赞 评论 收藏
分享
评论
点赞
收藏
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务