{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "淘天集团-数科DT-数据科学",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "淘天集团",
        "location": "杭州",
        "work_mode": "未披露",AI生成
        "job_category": "未披露"AI生成
    },
    "company": {
        "company_name": "淘天集团",
        "company_industry": "电子商务",
        "company_size": "未披露",
        "company_website": "alibaba.com",
        "company_description": "淘天集团的招聘业务覆盖淘宝、天猫等电商平台。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "计算机科学、软件工程、数据科学或相关专业本科及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1. 构建面向 AI Agent 的智能数据基座（DaaS），基于淘天统一指标库与语义层，打通“业务语言—数据资产—分析逻辑”链路，支持自然语言到指标、API 或 SQL 的自动映射（Text-to-SQL/NL2API），为上层决策 Agent 提供一致、实时、高性能的数据事实供给。\n2. 支撑 KASS（Knowledge as a Service）底层基础设施，设计知识分块策略、嵌入存储方案、元数据标注体系与向量检索链路，优化 RAG 在复杂业务语境下的准确性、时效性与上下文连贯性。\n3. 开发面向 Agent 工具调用（Tool Use）的数据服务接口，为实验分析、因果推断、波动归因、用户定向、预测规划等原子能力提供标准化、低延迟、高可用的数据输入/输出协议，并支持多轮对话状态管理与记忆持久化。\n4. 打造自助式数据agent（如“验川”实验数据平台、“决明”Agent 数据中枢），推动数据能力产品化与智能化；同时构建端到端数据质量监控、异常检测与血缘追踪体系，保障关键指标、特征与链路的可靠性、安全合规与 SLA 达标。",
        "requirements_text": "1. 计算机科学、软件工程、数据科学或相关专业本科及以上学历，3 年以上大型互联网公司数据平台、数据中台或 AI 基础设施研发经验，有电商、智能决策或 Agent 系统数据体系建设背景者优先。\n2. 具备高并发、低延迟数据服务开发能力，精通湖仓一体架构（Iceberg/Delta Lake/Hudi）、批流一体计算引擎（Flink/Spark Streaming）及主流 OLAP 系统（ClickHouse/Doris/Presto），熟悉统一指标平台（如 Minerva/DataHub）设计理念与工程实践。\n3. 熟悉向量数据库（Milvus/Pinecone/Weaviate/Qdrant）原理、性能调优与大规模部署经验，了解 RAG 对数据清洗、分块粒度、embedding 一致性等工程挑战。\n4. 工程能力扎实，代码规范，熟练使用 Python/Java/Scala 中至少一种；具备产品化思维，能从 DS、Agent 及业务用户视角设计数据服务，重视易用性、扩展性与运维效率。\n5. 加分项：有 LLMOps 平台、AI Agent 中台、Feature Store 或开源数据项目（如 Apache Hop, OpenMetadata）贡献经验；熟悉 LangChain Tools、LlamaIndex Data Connectors 或语义层工具。",
        "skills": [AI生成
            "Python",
            "Java",
            "Scala",
            "ClickHouse",
            "Spark",
            "Flink",
            "数据库",
            "数据清洗",
            "性能调优",
            "检索增强生成",
            "智能体开发"
        ],
        "preferred_qualifications": "1. 计算机科学、软件工程、数据科学或相关专业本科及以上学历，3 年以上大型互联网公司数据平台、数据中台或 AI 基础设施研发经验，有电商、智能决策或 Agent 系统数据体系建设背景者优先；5. 加分项：有 LLMOps 平台、AI Agent 中台、Feature Store 或开源数据项目（如 Apache Hop, OpenMetadata）贡献经验",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://talent.taotian.com/off-campus/position-detail?positionId=100004660011"
            }
        ]
    },
    "posting": {
        "posting_id": "100004660011",
        "post_date": "2026-08-12",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://talent.taotian.com/off-campus/position-detail?positionId=100004660011"
    },
    "fulltext": "淘天集团-数科DT-数据科学\n淘天集团-数科DT-数据科学\n\n基础信息\n工作地点：杭州\n\n职位描述\n1. 构建面向 AI Agent 的智能数据基座（DaaS），基于淘天统一指标库与语义层，打通“业务语言—数据资产—分析逻辑”链路，支持自然语言到指标、API 或 SQL 的自动映射（Text-to-SQL/NL2API），为上层决策 Agent 提供一致、实时、高性能的数据事实供给。\n2. 支撑 KASS（Knowledge as a Service）底层基础设施，设计知识分块策略、嵌入存储方案、元数据标注体系与向量检索链路，优化 RAG 在复杂业务语境下的准确性、时效性与上下文连贯性。\n3. 开发面向 Agent 工具调用（Tool Use）的数据服务接口，为实验分析、因果推断、波动归因、用户定向、预测规划等原子能力提供标准化、低延迟、高可用的数据输入/输出协议，并支持多轮对话状态管理与记忆持久化。\n4. 打造自助式数据agent（如“验川”实验数据平台、“决明”Agent 数据中枢），推动数据能力产品化与智能化；同时构建端到端数据质量监控、异常检测与血缘追踪体系，保障关键指标、特征与链路的可靠性、安全合规与 SLA 达标。\n\n职位要求\n1. 计算机科学、软件工程、数据科学或相关专业本科及以上学历，3 年以上大型互联网公司数据平台、数据中台或 AI 基础设施研发经验，有电商、智能决策或 Agent 系统数据体系建设背景者优先。\n2. 具备高并发、低延迟数据服务开发能力，精通湖仓一体架构（Iceberg/Delta Lake/Hudi）、批流一体计算引擎（Flink/Spark Streaming）及主流 OLAP 系统（ClickHouse/Doris/Presto），熟悉统一指标平台（如 Minerva/DataHub）设计理念与工程实践。\n3. 熟悉向量数据库（Milvus/Pinecone/Weaviate/Qdrant）原理、性能调优与大规模部署经验，了解 RAG 对数据清洗、分块粒度、embedding 一致性等工程挑战。\n4. 工程能力扎实，代码规范，熟练使用 Python/Java/Scala 中至少一种；具备产品化思维，能从 DS、Agent 及业务用户视角设计数据服务，重视易用性、扩展性与运维效率。\n5. 加分项：有 LLMOps 平台、AI Agent 中台、Feature Store 或开源数据项目（如 Apache Hop, OpenMetadata）贡献经验；熟悉 LangChain Tools、LlamaIndex Data Connectors 或语义层工具。\n1. 构建面向 AI Agent 的智能数据基座（DaaS），基于淘天统一指标库与语义层，打通“业务语言—数据资产—分析逻辑”链路，支持自然语言到指标、API 或 SQL 的自动映射（Text-to-SQL/NL2API），为上层决策 Agent 提供一致、实时、高性能的数据事实供给。\n2. 支撑 KASS（Knowledge as a Service）底层基础设施，设计知识分块策略、嵌入存储方案、元数据标注体系与向量检索链路，优化 RAG 在复杂业务语境下的准确性、时效性与上下文连贯性。\n3. 开发面向 Agent 工具调用（Tool Use）的数据服务接口，为实验分析、因果推断、波动归因、用户定向、预测规划等原子能力提供标准化、低延迟、高可用的数据输入/输出协议，并支持多轮对话状态管理与记忆持久化。\n4. 打造自助式数据agent（如“验川”实验数据平台、“决明”Agent 数据中枢），推动数据能力产品化与智能化；同时构建端到端数据质量监控、异常检测与血缘追踪体系，保障关键指标、特征与链路的可靠性、安全合规与 SLA 达标。\n1. 计算机科学、软件工程、数据科学或相关专业本科及以上学历，3 年以上大型互联网公司数据平台、数据中台或 AI 基础设施研发经验，有电商、智能决策或 Agent 系统数据体系建设背景者优先。\n2. 具备高并发、低延迟数据服务开发能力，精通湖仓一体架构（Iceberg/Delta Lake/Hudi）、批流一体计算引擎（Flink/Spark Streaming）及主流 OLAP 系统（ClickHouse/Doris/Presto），熟悉统一指标平台（如 Minerva/DataHub）设计理念与工程实践。\n3. 熟悉向量数据库（Milvus/Pinecone/Weaviate/Qdrant）原理、性能调优与大规模部署经验，了解 RAG 对数据清洗、分块粒度、embedding 一致性等工程挑战。\n4. 工程能力扎实，代码规范，熟练使用 Python/Java/Scala 中至少一种；具备产品化思维，能从 DS、Agent 及业务用户视角设计数据服务，重视易用性、扩展性与运维效率。\n5. 加分项：有 LLMOps 平台、AI Agent 中台、Feature Store 或开源数据项目（如 Apache Hop, OpenMetadata）贡献经验；熟悉 LangChain Tools、LlamaIndex Data Connectors 或语义层工具。",
    "standard_classification": {
        "std_category_code": "T016",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}