阿里巴巴
校招面向AI芯片AI agent软件研发提效-阿里星
北京/成都/杭州/上海 · 校招 · 2027 届 · 博士
长期有效
任职要求
- 岗位要求
- 计算机科学、软件工程、人工智能或相关专业，硕士及以上学历（博士优先）
- 对 AI Agent、LLM 应用、Prompt Engineering 有深入理解和实践经验
- 扎实的编程能力（Python/TypeScript/Go 至少一种），有全栈开发经验者优先
- 熟悉软件工程的最佳实践（CI/CD、Code Review、自动化测试、DevOps）
- 对提升研发效能有热情，善于发现和解决研发流程中的痛点
- 有良好的沟通和表达能力，能够推动跨团队的技术落地
- 加分项
- 在软件工程、AI Agent、NLP 等领域发表过顶级论文（ICSE/FSE/ASE/NeurIPS/ICML/ACL 等）
- 参与过开源 AI Agent 框架（LangChain、AutoGPT、CrewAI 等）或 AI Coding 工具（Cursor、Copilot、Aider 等）的开发
- 有构建 RAG 系统、知识图谱、代码理解工具的实际经验
- 有大规模代码仓库（百万行级别）的代码分析和理解经验
- 有 AI 芯片、编译器、底层系统等领域的背景知识（非必须，但有助于理解业务场景）
岗位描述
我们正在用 AI 重塑软件开发的方式。作为 AI 芯片软件团队，我们不仅开发 AI 芯片的软件栈，也在探索如何用 AI Agent 技术提升软件研发的效率和体验——从代码自动生成、智能 Code Review，到自动化测试、文档生成、故障诊断，再到整个研发流程的智能化编排。
你将在这个岗位上，既是 AI Agent 技术的研究者，也是实践者和布道者。你将探索 LLM/Agent 技术在软件工程领域的前沿应用，构建面向 AI 芯片软件团队的智能研发助手，并将成功经验推广到更广泛的软件团队。
岗位职责
- • 研究和探索 AI Agent 在软件研发场景中的应用，包括但不限于：代码生成与补全、智能代码评审（Code Review）、自动化单元测试生成、Bug 自动修复、技术文档自动生成
- • 设计并实现面向 AI 芯片软件团队的智能研发助手平台，集成到日常开发流程中（IDE、CI/CD、代码仓库）
- • 构建研发知识库和 RAG（检索增强生成）系统，沉淀团队的技术文档、代码规范、最佳实践，让 AI Agent 能够理解和应用
- • 探索 Multi-Agent 协作框架，实现多个 AI Agent 协同完成复杂的软件工程任务（如需求分析 → 架构设计 → 代码实现 → 测试验证的全流程自动化）
- • 跟踪 AI Agent 和软件工程领域的最新研究进展，定期在团队内部分享和布道
- • 与效能部、工具链部协作，将 AI Agent 能力嵌入到团队的日常工具和流程中
岗位要求
- • 计算机科学、软件工程、人工智能或相关专业，硕士及以上学历（博士优先）
- • 对 AI Agent、LLM 应用、Prompt Engineering 有深入理解和实践经验
- • 扎实的编程能力（Python/TypeScript/Go 至少一种），有全栈开发经验者优先
- • 熟悉软件工程的最佳实践（CI/CD、Code Review、自动化测试、DevOps）
- • 对提升研发效能有热情，善于发现和解决研发流程中的痛点
- • 有良好的沟通和表达能力，能够推动跨团队的技术落地
加分项
- • 在软件工程、AI Agent、NLP 等领域发表过顶级论文（ICSE/FSE/ASE/NeurIPS/ICML/ACL 等）
- • 参与过开源 AI Agent 框架（LangChain、AutoGPT、CrewAI 等）或 AI Coding 工具（Cursor、Copilot、Aider 等）的开发
- • 有构建 RAG 系统、知识图谱、代码理解工具的实际经验
- • 有大规模代码仓库（百万行级别）的代码分析和理解经验
- • 有 AI 芯片、编译器、底层系统等领域的背景知识（非必须，但有助于理解业务场景）
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 数据 岗位的常见面试问题整理
请解释数据仓库的星型模型和雪花模型的区别
查看答题思路
1. 星型：事实表在中间，维度表直接关联，维度表非规范化（有冗余） 2. 雪花：维度表进一步规范化，减少冗余但增加 join 次数 3. 选择：星型查询快（join 少），雪花存储省，一般生产用星型更多
如何设计一个埋点体系来追踪用户行为
查看答题思路
1. 确定业务目标：留存/转化/活跃 2. 定义事件：页面浏览/点击/曝光/转化，每个事件带属性 3. 技术栈：前端 SDK 上报 → Kafka → Flink 实时清洗 → ClickHouse/Hive 存储 4. 数据分层：ODS（原始）→ DWD（明细）→ DWS（汇总）→ ADS（应用） 5. 质量：埋点测试 + 数据校验 + 异常告警
SQL：有一个用户登录表 user_login(user_id, login_date)，查询连续登录超过 7 天的用户
查看答题思路
1. 思路：用 login_date 减去排名序号（ROW_NUMBER），同组连续日期差值相同 2. 关键 SQL：SELECT user_id, login_date-ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY login_date) AS grp 3. GROUP BY user_id, grp HAVING COUNT(*) >= 7 4. 强调：理解窗口函数和连续性问题的一般解法
你做过最有价值的数据分析项目是什么
查看答题思路
1. 业务背景：分析什么、为什么重要 2. 数据来源和量级 3. 分析方法：用了什么模型/统计方法 4. 核心发现：一句话说清洞察 5. 业务影响：做了什么决策、带来了什么改变（用数字）
解释 A/B 测试的原理和常见陷阱
查看答题思路
1. 原理：分流用户到对照组和实验组，对比核心指标差异 2. 统计基础：假设检验，p<0.05 表示差异显著 3. 陷阱：样本量不足、运行时间太短（未覆盖周期波动）、多重比较（同时做多组 A/B 需修正显著性水平） 4. 指标选择：北极星指标优先，避免虚荣指标
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。