#暑期实习#有没有27届的计算机相关同学想来淘天暑期实习的（可转正），岗位是AI应用研发工程师，我给你推到我们老板那边，老板人好，面试流程快。各位学弟学妹快来吧～欢迎咨询校招相关问题都可以问#淘天##阿里#🌟🌟直接发简历给我或者点击下方链接可以定向内推到部门https://campus-talent.alibaba.com/campus/position/199903220038?campusShareCode=4vkTdePRWwEMJfDNTj9CP7gkZbio%2FzumxttYlXQ2UHisv9HqlE944kZckdc8LlXU&batchId=10000054000...

有没有27届的计算机相关同学想来淘天暑期实习的（可转正），岗位是AI应用研发工程师，我给你推到我们老板那边，老板人好，面试流程快。各位学弟学妹快来吧～欢迎咨询校招相关问题都可以问🌟🌟直接发简历给我或者点击下方链接可以定向内推到部门https://campus-talent.alibaba.com/campus/position/199903220038?campusShareCode=4vkTdePRWwEMJfDNTj9CP7gkZbio%2FzumxttYlXQ2UHisv9HqlE944kZckdc8LlXU&batchId=100000540002💡💡不需要定向内推的，可以扫二维码自行投递工作地点杭州内推部门淘天业务技术岗位名称:AI应用研发工程师职位描述聚焦核心业务场景，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。具体职责包括以下相关方向的一项或多项：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。职位要求1.基础条件● 计算机、软件工程、人工智能等相关专业优先。2.专业能力● AI编程工具重度玩家：Cursor、Claude code等AI编程工具重度或顶级玩家，具备极强的Prompt编写与调优能力，有过完整的项目级开发经验，理解如何让AI写出生产级代码。● 大模型能力理解与掌握：理解主流LLM的能力与局限，能够清晰拆解任务并通过LLM或确定性逻辑兜底实现；熟悉主流大模型的应用范式(Context Engineering、Prompt Engineering、Agent、工具/函数调用等等)及主流Agent框架(如LangChain等)，具备大模型幻觉、Prompt注入等风险的工程化应对思路。● 扎实的代码和工程能力：具备扎实的计算机基础知识，深入理解数据结构、算法、网络和操作系统等相关知识，能至少在一种主流编程语言（如 Java / Python / JS 等）上有深度的实践经验，掌握常见工程实践并具备优秀的Coding 能力，能够根据场景灵活选型并快速上手。3.能力特质● 学习能力： 具备快速啃透前沿论文（Paper）的能力，并能将理论知识转化为工程代码。● 开放性与动手能力： 拒绝纸上谈兵，有自己独立完成的小项目（开源项目或个人 Demo），展现极客精神。● 好奇心与想象力： 面对未知事物有独特的想法，具备敏锐的问题定义能力和坚韧的解决问题能力。● 审美追求： 技术亦有审美，鼓励你提出能提出打动人心、简洁优雅的好想法。● 高能动性： 具备强烈的自驱力，能够主动探索边界，而不是等待被分配任务。加分项● 有AI应用或Agent实际落地经验：包括不限于RAG系统、多智能体编排、结合MCP、Skill等的Agent项目，有可展示的项目/实习成果者优先。● 开源贡献或技术影响力：在Github上有高质量AI项目、技术博客或社区影响力。● 对AI Infra有基本理解：了解vLLM、Ollama等推理框架原理，理解延迟优化、KV cache优化、流式输出等工程全局视角。● 在 CV（计算机视觉）或 NLP（自然语言处理）方向有扎实的理论基础，有实际业务场景模型训练(SFT、RL)等经验的优先。