主分类：Agent系统开发
辅助：AI模型评测工程（仅展示）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "高德-具身智能数据闭环 Agent 应用算法工程师-具身智能数据方向",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "技术类-数据"AI生成
},
"company": {
"company_name": "高德",
"company_industry": "数字地图 / 导航服务",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "高德提供电子地图和导航服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 3,
"degree": "硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 负责面向真机 Benchmark 和数据闭环场景的 Agent 应用算法与工程落地，支撑问题诊断、评测判断、任务决策、工具调用和结果回流等关键场景。\n2. 负责建设 Agent Harness，支撑工具调用、Context / Memory 管理、任务编排、多 Agent 协同、运行观测、人工复核和结果回流。\n3. 负责构建 Agent / Harness 端到端评测能力，围绕 Grader、Advisor、工具调用正确率、多步任务成功率等指标持续优化 Agent 表现。\n4. 负责或参与基于闭环运行数据、人工反馈和评测结果构建训练与评测数据，支持 Agent 相关模型的微调、强化学习、蒸馏、评测和推理优化。\n5. 与平台、数据工具链、仿真引擎、算法和产品团队协同，推动模型能力、工具策略和 Harness 机制在实际闭环流程中协同优化。",
"requirements_text": "1. 硕士及以上学历，计算机、人工智能、自动化、机器人等相关专业，3 年及以上相关工作经验。\n2. 熟练掌握 Python，具备良好的工程开发能力；熟悉 PyTorch / TensorFlow / JAX 等深度学习框架者优先。\n3. 理解大模型和 Agent 系统的基本原理，熟悉 LLM API、Reasoning、RAG、Tool Use、Function Calling、Planning、Memory、Reflection 或 Multi-Agent 等一个或多个方向。\n4. 具备 Agent Harness、复杂任务编排或 LLM 应用工程经验，熟悉工具调用、Context 管理、状态管理、运行观测和人工复核等工程机制。\n5. 熟悉 Agent 评测、数据构建、模型训练和迭代优化流程，具备微调、强化学习、蒸馏、推理优化、Grader / Advisor 或工具调用模型优化经验者优先。\n6. 有 Agent Harness / Runtime、LangGraph、AutoGen、OpenAI Agents SDK、MCP、工作流编排系统、多模态模型、机器人或具身智能相关经验者优先。",
"skills": [AI生成
"Python",
"PyTorch",
"TensorFlow",
"深度学习",
"强化学习",
"模型训练",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "熟悉 PyTorch / TensorFlow / JAX 等深度学习框架者优先；5. 熟悉 Agent 评测、数据构建、模型训练和迭代优化流程，具备微调、强化学习、蒸馏、推理优化、Grader / Advisor 或工具调用模型优化经验者优先；6. 有 Agent Harness / Runtime、LangGraph、AutoGen、OpenAI Agents SDK、MCP、工作流编排系统、多模态模型、机器人或具身智能相关经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.amap.com/off-campus/position-detail?positionId=100014040002"
}
]
},
"posting": {
"posting_id": "100014040002",
"post_date": "2026-09-01",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.amap.com/off-campus/position-detail?positionId=100014040002"
},
"fulltext": "高德-具身智能数据闭环 Agent 应用算法工程师-具身智能数据方向\n高德-具身智能数据闭环 Agent 应用算法工程师-具身智能数据方向\n\n基础信息\n职位类别：技术类-数据\n工作地点：北京\n\n职位描述\n1. 负责面向真机 Benchmark 和数据闭环场景的 Agent 应用算法与工程落地，支撑问题诊断、评测判断、任务决策、工具调用和结果回流等关键场景。\n2. 负责建设 Agent Harness，支撑工具调用、Context / Memory 管理、任务编排、多 Agent 协同、运行观测、人工复核和结果回流。\n3. 负责构建 Agent / Harness 端到端评测能力，围绕 Grader、Advisor、工具调用正确率、多步任务成功率等指标持续优化 Agent 表现。\n4. 负责或参与基于闭环运行数据、人工反馈和评测结果构建训练与评测数据，支持 Agent 相关模型的微调、强化学习、蒸馏、评测和推理优化。\n5. 与平台、数据工具链、仿真引擎、算法和产品团队协同，推动模型能力、工具策略和 Harness 机制在实际闭环流程中协同优化。\n\n职位要求\n1. 硕士及以上学历，计算机、人工智能、自动化、机器人等相关专业，3 年及以上相关工作经验。\n2. 熟练掌握 Python，具备良好的工程开发能力；熟悉 PyTorch / TensorFlow / JAX 等深度学习框架者优先。\n3. 理解大模型和 Agent 系统的基本原理，熟悉 LLM API、Reasoning、RAG、Tool Use、Function Calling、Planning、Memory、Reflection 或 Multi-Agent 等一个或多个方向。\n4. 具备 Agent Harness、复杂任务编排或 LLM 应用工程经验，熟悉工具调用、Context 管理、状态管理、运行观测和人工复核等工程机制。\n5. 熟悉 Agent 评测、数据构建、模型训练和迭代优化流程，具备微调、强化学习、蒸馏、推理优化、Grader / Advisor 或工具调用模型优化经验者优先。\n6. 有 Agent Harness / Runtime、LangGraph、AutoGen、OpenAI Agents SDK、MCP、工作流编排系统、多模态模型、机器人或具身智能相关经验者优先。\n1. 负责面向真机 Benchmark 和数据闭环场景的 Agent 应用算法与工程落地，支撑问题诊断、评测判断、任务决策、工具调用和结果回流等关键场景。\n2. 负责建设 Agent Harness，支撑工具调用、Context / Memory 管理、任务编排、多 Agent 协同、运行观测、人工复核和结果回流。\n3. 负责构建 Agent / Harness 端到端评测能力，围绕 Grader、Advisor、工具调用正确率、多步任务成功率等指标持续优化 Agent 表现。\n4. 负责或参与基于闭环运行数据、人工反馈和评测结果构建训练与评测数据，支持 Agent 相关模型的微调、强化学习、蒸馏、评测和推理优化。\n5. 与平台、数据工具链、仿真引擎、算法和产品团队协同，推动模型能力、工具策略和 Harness 机制在实际闭环流程中协同优化。\n1. 硕士及以上学历，计算机、人工智能、自动化、机器人等相关专业，3 年及以上相关工作经验。\n2. 熟练掌握 Python，具备良好的工程开发能力；熟悉 PyTorch / TensorFlow / JAX 等深度学习框架者优先。\n3. 理解大模型和 Agent 系统的基本原理，熟悉 LLM API、Reasoning、RAG、Tool Use、Function Calling、Planning、Memory、Reflection 或 Multi-Agent 等一个或多个方向。\n4. 具备 Agent Harness、复杂任务编排或 LLM 应用工程经验，熟悉工具调用、Context 管理、状态管理、运行观测和人工复核等工程机制。\n5. 熟悉 Agent 评测、数据构建、模型训练和迭代优化流程，具备微调、强化学习、蒸馏、推理优化、Grader / Advisor 或工具调用模型优化经验者优先。\n6. 有 Agent Harness / Runtime、LangGraph、AutoGen、OpenAI Agents SDK、MCP、工作流编排系统、多模态模型、机器人或具身智能相关经验者优先。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T015"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}