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": "千问事业部-MOS 实验室-Agent Harness专家-北京/杭州/广州",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "北京 / 杭州 / 广州",
"work_mode": "未披露",AI生成
"job_category": "技术类-开发"AI生成
},
"company": {
"company_name": "夸克",
"company_industry": "互联网 / 人工智能应用",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "夸克提供AI搜索等人工智能应用服务。"
},
"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": "关于我们：\nMOS 实验室隶属于阿里 ATH 千问事业群。我们致力于在大模型时代打造具有全球影响力的 AI 原生产品，推动 AI 从“被动对话”向“主动服务与复杂执行”的范式跃迁。\n实验室核心业务涵盖 AI 搜索、生成式推荐、主动服务及任务助理 Agent 等前沿领域。依托千问大模型底座，我们深度探索 RAG、Agentic RL、多 Agent 协作及全链路工程自动化技术，旨在构建能够深度理解用户、自主规划路径并闭环交付任务的“最强 AI 助手”。\n岗位职责：\n1. 工程链路构建与优化： 负责不同业务场景下 Agent 的全链路工程实现，包括上下文工程（Context Engineering）、长时记忆管理及复杂任务流的编排优化。\n2. 业务场景深度适配： 深入理解搜索、推荐或垂直场景（办公、财经、学术等）业务需求，通过高阶 Prompt Engineering 及策略逻辑，解决 Agent 在垂直领域下的指令遵循、幻觉控制等核心问题。\n3. 底层能力支撑： 建设并维护 Agent 运行的基础设施（如 Docker 容器环境、浏览器操控 Claw 等），确保 Agent 在受控、安全、高效的环境中执行任务。\n4. 效果评测与闭环： 建立 Agent 效果评测体系，针对业务指标进行端到端的归因分析与算法迭代，确保持续的性能提升与交付质量。\n职级可看P6-P8",
"requirements_text": "任职要求：我们寻找以下三类人才（具备其一即可）\n类型 A：业务逻辑与提示工程专家\n● 对业务场景有极强的洞察力，善于将复杂的业务问题拆解为大模型可处理的任务逻辑。\n● 在 Prompt Engineering、上下文工程、RAG 结合方面有丰富经验，能熟练运用大模型能力解决实际痛点。\n● 具备较强的逻辑抽象能力，能设计高鲁棒性的 Agent 交互逻辑。\n类型 B：系统架构与底层能力专家\n● 熟悉 Agent 框架底层机制，在虚拟化/容器化（Docker）、自动化控制（Claw / Playwright）等方向有深入实践。\n● 具备扎实的后端工程功底，能够为 Agent 提供稳定、高性能的外部工具调用环境（Tool-use Environment）。\n● 对 Agent 的安全执行沙箱、资源调度有深刻理解。\n类型 C：互联网核心业务技术专家\n● 在搜索、广告、推荐等大型互联网业务上有深厚的工程与算法积淀。\n● 具备极其扎实的工程实现能力（Python/Java/C++/Go 至少一种）与算法基础。\n● 对 Agent 方向有浓厚兴趣并渴望转型，能将成熟的工业级系统优化经验引入 Agent Harness 体系。",
"skills": [AI生成
"Python",
"Java",
"C++",
"Docker",
"系统架构",
"Go",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.quark.cn/off-campus/position-detail?positionId=100015300003"
}
]
},
"posting": {
"posting_id": "100015300003",
"post_date": "2026-09-16",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.quark.cn/off-campus/position-detail?positionId=100015300003"
},
"fulltext": "千问事业部-MOS 实验室-Agent Harness专家-北京/杭州/广州\n千问事业部-MOS 实验室-Agent Harness专家-北京/杭州/广州\n\n基础信息\n职位类别：技术类-开发\n工作地点：北京 / 杭州 / 广州\n\n职位描述\n关于我们：\nMOS 实验室隶属于阿里 ATH 千问事业群。我们致力于在大模型时代打造具有全球影响力的 AI 原生产品，推动 AI 从“被动对话”向“主动服务与复杂执行”的范式跃迁。\n实验室核心业务涵盖 AI 搜索、生成式推荐、主动服务及任务助理 Agent 等前沿领域。依托千问大模型底座，我们深度探索 RAG、Agentic RL、多 Agent 协作及全链路工程自动化技术，旨在构建能够深度理解用户、自主规划路径并闭环交付任务的“最强 AI 助手”。\n岗位职责：\n1. 工程链路构建与优化： 负责不同业务场景下 Agent 的全链路工程实现，包括上下文工程（Context Engineering）、长时记忆管理及复杂任务流的编排优化。\n2. 业务场景深度适配： 深入理解搜索、推荐或垂直场景（办公、财经、学术等）业务需求，通过高阶 Prompt Engineering 及策略逻辑，解决 Agent 在垂直领域下的指令遵循、幻觉控制等核心问题。\n3. 底层能力支撑： 建设并维护 Agent 运行的基础设施（如 Docker 容器环境、浏览器操控 Claw 等），确保 Agent 在受控、安全、高效的环境中执行任务。\n4. 效果评测与闭环： 建立 Agent 效果评测体系，针对业务指标进行端到端的归因分析与算法迭代，确保持续的性能提升与交付质量。\n职级可看P6-P8\n\n职位要求\n任职要求：我们寻找以下三类人才（具备其一即可）\n类型 A：业务逻辑与提示工程专家\n● 对业务场景有极强的洞察力，善于将复杂的业务问题拆解为大模型可处理的任务逻辑。\n● 在 Prompt Engineering、上下文工程、RAG 结合方面有丰富经验，能熟练运用大模型能力解决实际痛点。\n● 具备较强的逻辑抽象能力，能设计高鲁棒性的 Agent 交互逻辑。\n类型 B：系统架构与底层能力专家\n● 熟悉 Agent 框架底层机制，在虚拟化/容器化（Docker）、自动化控制（Claw / Playwright）等方向有深入实践。\n● 具备扎实的后端工程功底，能够为 Agent 提供稳定、高性能的外部工具调用环境（Tool-use Environment）。\n● 对 Agent 的安全执行沙箱、资源调度有深刻理解。\n类型 C：互联网核心业务技术专家\n● 在搜索、广告、推荐等大型互联网业务上有深厚的工程与算法积淀。\n● 具备极其扎实的工程实现能力（Python/Java/C++/Go 至少一种）与算法基础。\n● 对 Agent 方向有浓厚兴趣并渴望转型，能将成熟的工业级系统优化经验引入 Agent Harness 体系。\n关于我们：\nMOS 实验室隶属于阿里 ATH 千问事业群。我们致力于在大模型时代打造具有全球影响力的 AI 原生产品，推动 AI 从“被动对话”向“主动服务与复杂执行”的范式跃迁。\n实验室核心业务涵盖 AI 搜索、生成式推荐、主动服务及任务助理 Agent 等前沿领域。依托千问大模型底座，我们深度探索 RAG、Agentic RL、多 Agent 协作及全链路工程自动化技术，旨在构建能够深度理解用户、自主规划路径并闭环交付任务的“最强 AI 助手”。\n岗位职责：\n1. 工程链路构建与优化： 负责不同业务场景下 Agent 的全链路工程实现，包括上下文工程（Context Engineering）、长时记忆管理及复杂任务流的编排优化。\n2. 业务场景深度适配： 深入理解搜索、推荐或垂直场景（办公、财经、学术等）业务需求，通过高阶 Prompt Engineering 及策略逻辑，解决 Agent 在垂直领域下的指令遵循、幻觉控制等核心问题。\n3. 底层能力支撑： 建设并维护 Agent 运行的基础设施（如 Docker 容器环境、浏览器操控 Claw 等），确保 Agent 在受控、安全、高效的环境中执行任务。\n4. 效果评测与闭环： 建立 Agent 效果评测体系，针对业务指标进行端到端的归因分析与算法迭代，确保持续的性能提升与交付质量。\n职级可看P6-P8\n任职要求：我们寻找以下三类人才（具备其一即可）\n类型 A：业务逻辑与提示工程专家\n● 对业务场景有极强的洞察力，善于将复杂的业务问题拆解为大模型可处理的任务逻辑。\n● 在 Prompt Engineering、上下文工程、RAG 结合方面有丰富经验，能熟练运用大模型能力解决实际痛点。\n● 具备较强的逻辑抽象能力，能设计高鲁棒性的 Agent 交互逻辑。\n类型 B：系统架构与底层能力专家\n● 熟悉 Agent 框架底层机制，在虚拟化/容器化（Docker）、自动化控制（Claw / Playwright）等方向有深入实践。\n● 具备扎实的后端工程功底，能够为 Agent 提供稳定、高性能的外部工具调用环境（Tool-use Environment）。\n● 对 Agent 的安全执行沙箱、资源调度有深刻理解。\n类型 C：互联网核心业务技术专家\n● 在搜索、广告、推荐等大型互联网业务上有深厚的工程与算法积淀。\n● 具备极其扎实的工程实现能力（Python/Java/C++/Go 至少一种）与算法基础。\n● 对 Agent 方向有浓厚兴趣并渴望转型，能将成熟的工业级系统优化经验引入 Agent Harness 体系。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T015"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}