薪酬概览
平均月薪
¥26200
中位数 ¥28500 | 区间 ¥20800 - ¥31600
数据来源:样本数量过少,仅供参考;更新时间:2026年7月13日
月薪分布
60% 人群薪酬落在 15-30k

三大影响薪酬的核心维度
影响薪资的核心维度1:工作年限
影响薪资的核心维度2:学历背景
市场需求
12月新增岗位
12
对比上月:岗位新增6
数据由各大平台公开数据统计分析而来,仅供参考。
岗位需求趋势
不同经验岗位需求情况
| 工作年限 | 月度新增职位数 | 职位占比数 |
|---|---|---|
| 应届 | 2 | 100% |
热招职位
1.负责机器学习训练平台的建设,支持业务的探索实践
2.负责研发领域相关的基础设施建设,包括但不限于数据采集、预处理、模型训练、监控和管理等
3.负责对算法进行工程化能力封装和抽象,形成通用框架或组件,提高研发效率和降低研发成本
4.负责大规模分布式异构训练性能优化
1. 负责视觉生成大模型 Post-Training 核心算法研发,包括 RL、蒸馏、reward model等,持续提升生成结果的质量与多样性
2. 跟踪视觉生成领域的最新学术进展和行业动态,鼓励发表高水平论文和开源成果,提升团队算法影响力
3. 参与高质量训练数据的构建与合成,包括但不限于数据清洗、标注与评估体系搭建等
4. 探索多模态理解与生成统一架构,探索视觉感知与生成能力的协同演进,推动文本、图像、视频等多模态信息的联合建模
数据技术及产品部-AI 数据研发工程师-数据公共层建设/数据语义层建设
1、主导面向Agent的新型数据语义层架构设计与落地,推动数据资产从数据表向智能体可理解、可调用、可推理的消费模式演进;
2、负责端到端数据建模设计与开发交付,基于流批一体架构(Flink + Spark + Paimon)实现业务模型的统一构建与服务;
3、负责数据质量治理与链路稳定性保障,建立覆盖全链路的监控告警、血缘追踪,确保关键数据任务满足SLA要求;
1.负责阿里巴巴公益产品的全栈开发工作;
2.通过工具,平台等方式,来解决复杂业务系统需求和产品交付,提高工作效率,提升系统的整体用户体验;
3.有良好的洞察能力,能够通过新技术、业界优秀产品的分析调研来提升我们的产品体验。
1、负责核心业务系统的架构设计与开发,主导技术方案评审,确保系统的高可用、高性能和高扩展性,支撑业务快速增长。
2、参与业务需求分析与拆解,将复杂业务场景转化为可落地的技术方案,推动项目按时高质量交付,持续提升研发效率。
3、负责系统性能优化与稳定性建设,排查线上疑难问题,持续提升系统吞吐量和响应效率,保障核心链路SLA达标。
4、参与技术选型与架构演进规划,推动微服务化、容器化等技术改造,提升系统可维护性和可扩展性,降低技术债务。
5、指导初级工程师成长,参与代码评审和技术分享,推动团队工程规范和最佳实践落地,营造良好技术氛围。
1. 负责公开网络数据采集链路的合规治理体系建设,覆盖数据源准入、采集策略、采集留痕、数据处理、入库、训练集构建和后续排除机制。
2. 建设爬虫数据证据链与数据血缘系统,记录 URL、域名、获取时间、来源类型、访问决策依据、内容哈希、处理流程、风险标签、数据集版本、模型训练版本和审计日志。
3. 建立网络采集合规控制机制,包括机器可读访问限制、站点访问策略、频率控制、来源留痕、异常监控、争议处理和数据下架流程。
4. 与法务团队协作,将版权、TDM opt-out、站点条款、授权边界、权利人投诉、数据删除请求等要求转化为系统规则、审批流程和可追溯记录。
5. 与安全、隐私和合规团队协作,建立爬虫数据风险管理机制,包括敏感数据识别、PII 过滤、来源风险分级、黑白名单、人工复核、访问控制和异常告警。
6. 牵引公开网络数据的准入和分级管理,对不同类型站点、内容类别、数据用途、地域风险和权利状态建立统一评估标准。
7. 建设面向欧盟监管检查和客户尽调的技术支撑能力,包括训练数据来源摘要、版权政策执行记录、采集留痕、风险处置记录和审计报表。
8. 推动爬虫平台、数据平台、模型训练平台、法务、安全团队之间的系统打通,确保数据从采集到训练使用全链路可解释、可追溯、可处置。
9. 支持风险事件复盘和外部问询,能够快速回答“数据从哪里来、为什么可以采、是否进入训练集、如何排除或删除”等问题。
● 计算机或相关专业本科及以上学历,扎实的计算机基础,精通数据结构、算法、数据库、分布式缓存、消息队列等,具有扎实的开发经验;
● 深入理解一种研发语言底层机制,具备大型分布式、高并发、高可用系统的实战经验与架构设计能力者优先;
● 有 AI 架构、大模型工程落地、Agent 框架研究和实践经验者优先;具有搜索、推荐、广告等系统背景者优先;
● 热爱技术,追求代码质量,逻辑清晰,具备优秀的沟通能力和跨团队协作推动力;
● 最关键的是:你对复杂系统充满好奇,敢于在庞大复杂的系统中识别机会、动手改造,“敢给大象做手术”——在保障稳定的同时推动创新。既享受高并发系统的硬核挑战,也对 Agent 如何改变下一代工程与产品充满热情,渴望成长为既有硬核工程底座、又懂智能体架构的 AI 时代复合型领军人才。"
1. 本科及以上学历,具备计算机科学、人工智能或相关专业背景
2. 利用AI Coding软件构建过大型企业项目,有自己的一套AI Coding 人机协同方法论,能够高效驾驭AI完成高质量交付的同时保证系统架构稳定
3. 2年以上服务端工程经验或者全栈开发经验,2年以上AI Agent 系统研发经验,精通Python/JAVA/Go/Js主流编程语言
4. 深入掌握Agent架构核心组件设计原理和调优方案,包含Prompt Engineering,Function Calling,RAG,长短期记忆等
5. 具备批判性思维,热爱技术,拥抱开源,针对AI 前沿发展和社区技术动向敏感,对 OpenClaw、Hermes、opencode等agent项目有深入了解,并且参与过项目二次开发者优先
6. 加分项:参与过企业级Agent平台设计和实现;有Prompt调优、RAG系统调优、上下文压缩等优化经验;有金融、电商、客服等垂直领域的Agent应用落地经验优先
1、硕士及以上学历,1年以上搜索推荐广告相关工作经验;
2、熟练掌握Java/C++/Python中至少一门语言,有扎实的数据结构和算法基础;
3、熟练掌握常用的机器学习或深度学习算法,并且有实际运用以及算法优化经验;
4、在KDD、SIGIR、WWW、ICML、NeurIPS、RecSys等国际顶会发表过相关论文者优先。
1、计算机科学、人工智能、数据科学等相关专业;
2、1 年以上商品算法或搜索推荐算法相关工作经验;
3、熟练掌握 Python, SQL,能够独立完成复杂数据查询、加工和分析,有大规模数据处理经验(10亿级数据量以上优先),熟悉 Linux 开发环境;
4、多模态算法:
○ 熟悉计算机视觉(CV)和自然语言处理(NLP)基础算法
○ 有图像分类、目标检测、图像检索、文本分类等实际项目经验
○ 熟悉主流大语言模型(LLM)的原理和应用,有Prompt enginering、RAG、Agent方向实践经验。
○ 熟悉主流多模态大模型(VLM)等多模态预训练模型的原理和应用,有图文匹配、VQA、视觉内容理解等实践经验。
5、要求具备商品理解、向量检索与召回、聚类算法一个或多个领域的项目经验积累,具备扎实的编程与工程能力。
1、 清晰的分析逻辑以及良好的业务洞察能力,能快速发现问题、拆解问题并定位到影响业务的关键点;
2、 数据处理能力强,可使用多种方式提取数据并进行分析,熟练掌握hive、SQL、excel等相关数据提取工具;
3、 良好的沟通能力和团队协作能力,能够有效地和业务方,数据技术团队沟通交流,具有跨团队的推进项目的能力,并且能够以分析师的视角给业务提供建议;
4、 具备数据运营与产品运营能力,针对业务问题,可以透过实验设计,并制定有效解决方案及衡量方法;
5、 良好的数据敏感度,能从海量数据提炼核心结果,有丰富的数据分析、挖掘、清洗和建模经验,能独立编写商业数据分析报告;
6、 有AI产品分析相关经验,了解C端AI产品、AIGC内容生成、大模型评估相关的优先。
1、完成各类业务受理程序,推进各项流程;
2、营业结束后,根据发票等原始凭据与系统进行核对,结账,做到日清;
3、现场服务,开展进行促销活动;
4、根据上级指示完成其他工作任务。
任职要求1、遵守中国宪法和法律,具有对党忠诚的政治品格,具有职务所需的工作能力、文化水平、专业知识及身体条件;
2、大学专科及以上学历,广播电视工程、通信工程、电子信息工程、网络与新媒体等相关专业可优先考虑;
3、一般不超过35周岁;
4、具备营业厅相关从业经验者可优先考虑;熟练的计算机应用操作能力,熟悉相关系统可优先考虑。
报名时间:自发布之日不少于5个工作日,招满即止。
1. 负责企业级办公Agent技能市场(SkillHub)的迭代,涵盖技能市场、运营后台、开发者后台三大模块,从产品规划到上线,推动技能生态的规模化增长与用户体验提升;
2. 深入开发者与用户的双边需求洞察,围绕技能发现、安装、评价、审核、推荐、上架、调试、版本管理等核心链路,完成业务抽象与产品设计,构建可持续的AI能力生态;
3. 对Agent框架(如OpenClaw、Claude code等)及其技能/插件体系有深入理解,能够抽象技能接入规范、协同定义开发者kit,降低第三方技能接入门槛;
4. 深入阿里的业务协作、办公AI场景的挖掘、核心AI能力的建设,完成用户洞察及业务抽象,推动产品的持续迭代创新与优化;
5. 针对每一个产品功能制定出对应可量化指标,负责产品的数据分析和优化,通过数据分析提升产品的用户体验和用户价值。