{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "业务技术-AI Agent 优化工程师-营销方向",
        "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": "市场营销"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": "本科",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "我们正在寻找一位具备卓业务洞察与和越工程能力的 AI 优化工程师。你将作为 Agent 效果优化的核心设计者、执行者，端到端地构建、评测并持续优化 AI 应用效果，将复杂业务场景转化为可量化、可迭代的优化闭环。\n1、Agent 效果优化：负责主责场景下 Prompt、知识库、Skill、工具调用、记忆等核心组件的持续迭代，交付明确的量化收益（准确率、完成率、人工接管率、效率提升等）\n2、评测与归因闭环：搭建自动化评测框架，完成\"数据采集 → 评测分析 → Badcase 归因 → 优化验证\"的完整闭环\n3、数据飞轮建设：构建数据 Pipeline 与反馈机制，回流应用行为数据用于模型微调（SFT）与针对性优化，提升模型可控性与 ROI\n4、AI 改造质量流程：利用 AI 重构测试链路，包括用例/脚本自动生成、回归推荐、缺陷聚类与复盘，将测试经验产品化\n5、知识沉淀与团队协作：沉淀可复用的优化资产（Prompt 模板、评测脚本、Skills、最佳实践等），与产品/研发/SRE/运营协同推进质量前移与流程优化",
        "requirements_text": "1、具备扎实编程基本功和 Vibe Coding 能力，能构建高质量 Prompt 模板、评测脚本与数据 Pipeline；\n2、具备系统化 Badcase 分析能力，能将个案修复转化为系统性优化策略；\n3、掌握主流 AI/LLM 技术体系（Transformer、预训练/微调、Embedding/RAG、对齐评估、提示工程），并能落地到效果优化实践中；\n4、有 AI 工程实践经验（至少一类）：Agent/RAG、知识库、评测体系、Prompt 版本管理、AI 工具链集成；\n5、熟练掌握 AI Native 应用构建（Skill、记忆等组件），理解向量检索原理及常见工具（Elasticsearch、Milvus/Faiss）；\n6、强 Owner 意识与风险敏感度，能在大促/灰度/紧急变更场景下稳定输出；\n7、良好的实验素养（文档沉淀、版本管理、实验设计 Taste、数据敏感性），能主动分享方法论并沉淀可复用资产。\n加分项\n• 有训练优化（SFT/RLHF/DPO）带来效果提升的完整实践；\n• 有 AI 产品质量保障或评测平台建设经验；\n• 在技术社区有公开分享（文章、开源项目、专利/论文）。",
        "skills": [AI生成
            "Elasticsearch",
            "分析能力",
            "大语言模型",
            "检索增强生成"
        ],
        "preferred_qualifications": "加分项",
        "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=100011600024"
            }
        ]
    },
    "posting": {
        "posting_id": "100011600024",
        "post_date": "2026-08-19",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://talent.taotian.com/off-campus/position-detail?positionId=100011600024"
    },
    "fulltext": "业务技术-AI Agent 优化工程师-营销方向\n业务技术-AI Agent 优化工程师-营销方向\n\n基础信息\n工作地点：杭州\n\n职位描述\n我们正在寻找一位具备卓业务洞察与和越工程能力的 AI 优化工程师。你将作为 Agent 效果优化的核心设计者、执行者，端到端地构建、评测并持续优化 AI 应用效果，将复杂业务场景转化为可量化、可迭代的优化闭环。\n1、Agent 效果优化：负责主责场景下 Prompt、知识库、Skill、工具调用、记忆等核心组件的持续迭代，交付明确的量化收益（准确率、完成率、人工接管率、效率提升等）\n2、评测与归因闭环：搭建自动化评测框架，完成\"数据采集 → 评测分析 → Badcase 归因 → 优化验证\"的完整闭环\n3、数据飞轮建设：构建数据 Pipeline 与反馈机制，回流应用行为数据用于模型微调（SFT）与针对性优化，提升模型可控性与 ROI\n4、AI 改造质量流程：利用 AI 重构测试链路，包括用例/脚本自动生成、回归推荐、缺陷聚类与复盘，将测试经验产品化\n5、知识沉淀与团队协作：沉淀可复用的优化资产（Prompt 模板、评测脚本、Skills、最佳实践等），与产品/研发/SRE/运营协同推进质量前移与流程优化\n\n职位要求\n1、具备扎实编程基本功和 Vibe Coding 能力，能构建高质量 Prompt 模板、评测脚本与数据 Pipeline；\n2、具备系统化 Badcase 分析能力，能将个案修复转化为系统性优化策略；\n3、掌握主流 AI/LLM 技术体系（Transformer、预训练/微调、Embedding/RAG、对齐评估、提示工程），并能落地到效果优化实践中；\n4、有 AI 工程实践经验（至少一类）：Agent/RAG、知识库、评测体系、Prompt 版本管理、AI 工具链集成；\n5、熟练掌握 AI Native 应用构建（Skill、记忆等组件），理解向量检索原理及常见工具（Elasticsearch、Milvus/Faiss）；\n6、强 Owner 意识与风险敏感度，能在大促/灰度/紧急变更场景下稳定输出；\n7、良好的实验素养（文档沉淀、版本管理、实验设计 Taste、数据敏感性），能主动分享方法论并沉淀可复用资产。\n加分项\n• 有训练优化（SFT/RLHF/DPO）带来效果提升的完整实践；\n• 有 AI 产品质量保障或评测平台建设经验；\n• 在技术社区有公开分享（文章、开源项目、专利/论文）。\n我们正在寻找一位具备卓业务洞察与和越工程能力的 AI 优化工程师。你将作为 Agent 效果优化的核心设计者、执行者，端到端地构建、评测并持续优化 AI 应用效果，将复杂业务场景转化为可量化、可迭代的优化闭环。\n1、Agent 效果优化：负责主责场景下 Prompt、知识库、Skill、工具调用、记忆等核心组件的持续迭代，交付明确的量化收益（准确率、完成率、人工接管率、效率提升等）\n2、评测与归因闭环：搭建自动化评测框架，完成\"数据采集 → 评测分析 → Badcase 归因 → 优化验证\"的完整闭环\n3、数据飞轮建设：构建数据 Pipeline 与反馈机制，回流应用行为数据用于模型微调（SFT）与针对性优化，提升模型可控性与 ROI\n4、AI 改造质量流程：利用 AI 重构测试链路，包括用例/脚本自动生成、回归推荐、缺陷聚类与复盘，将测试经验产品化\n5、知识沉淀与团队协作：沉淀可复用的优化资产（Prompt 模板、评测脚本、Skills、最佳实践等），与产品/研发/SRE/运营协同推进质量前移与流程优化\n1、具备扎实编程基本功和 Vibe Coding 能力，能构建高质量 Prompt 模板、评测脚本与数据 Pipeline；\n2、具备系统化 Badcase 分析能力，能将个案修复转化为系统性优化策略；\n3、掌握主流 AI/LLM 技术体系（Transformer、预训练/微调、Embedding/RAG、对齐评估、提示工程），并能落地到效果优化实践中；\n4、有 AI 工程实践经验（至少一类）：Agent/RAG、知识库、评测体系、Prompt 版本管理、AI 工具链集成；\n5、熟练掌握 AI Native 应用构建（Skill、记忆等组件），理解向量检索原理及常见工具（Elasticsearch、Milvus/Faiss）；\n6、强 Owner 意识与风险敏感度，能在大促/灰度/紧急变更场景下稳定输出；\n7、良好的实验素养（文档沉淀、版本管理、实验设计 Taste、数据敏感性），能主动分享方法论并沉淀可复用资产。\n加分项\n• 有训练优化（SFT/RLHF/DPO）带来效果提升的完整实践；\n• 有 AI 产品质量保障或评测平台建设经验；\n• 在技术社区有公开分享（文章、开源项目、专利/论文）。",
    "standard_classification": {
        "std_category_code": "T009",
        "std_aux_codes": [
            "T015"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}