{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "阿里云智能-AI知识工程师-杭州",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "云智能集团",
        "location": "杭州",
        "work_mode": "未披露",AI生成
        "job_category": "未披露"AI生成
    },
    "company": {
        "company_name": "阿里云",
        "company_industry": "云计算 / 人工智能",
        "company_size": "10000人以上",
        "company_website": "alibaba.com",
        "company_description": "阿里云提供云基础设施、AI模型、智能体和计算服务。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "本科",
        "language": "4. 具备英文翻译能力或境外学习背景，CET 六级",AI生成
        "visa_support": "未披露",
        "responsibilities": "云产品知识库构建\n1. 透彻理解互联网应用开发、AI、大数据、网络、安全、可观测等领域，是其中一个或者多个领域的专家，有大规模生产环境经验，能够对专业领域部署架构、能力边界、技术细节、演进路线有洞见，确保知识库内容的专业性、准确性和前瞻性。\n2. 构建云产品优质应用知识库，覆盖产品能力、使用场景、实践范例、常见问题、技术细节等层面，形成结构化、可被 AI 调用的知识资产，这是 AI 生成优质内容的核心基础。\n3.能够深入理解客户生产环境，亲身实操云产品，理解开发者在真实业务场景中如何使用产品，识别用户认知盲区与使用痛点，将一线洞察转化为知识库的核心内容。\nAI 知识工程\n1. 设计并落地基于 Agentic Loop 的 AI 原生内容生产系统，编排\"规划→生成→校验→反思→迭代\"的多智能体协作闭环，实现优质、规模化、标准化的 AI 内容持续产出与剪裁迭代。\n2. 构建系统化的 Evaluation Harness，设计多层面自动化评测基准与质量门禁（事实准确性、技术深度、结构一致性、多语言对齐等），让 AI 内容质量可度量、可追溯、可自动拦截。\n3. 深入实践 Human-in-the-Loop 与数据飞轮机制，将专家审核反馈、用户行为信号高效导入优化链路，在推理编排、SFT、RLHF/DPO 等阶段持续提升 AI 的技术写作能力。\n4. 建立技术文档的专业评判标准与质量评测体系，以极致品味驱动 AI 能力持续提升，对 AI 生成内容进行专业级审核与评估。",
        "requirements_text": "1. 两年以上技术开发经验，有云产品实际使用经验（如阿里云、AWS、Azure 等），能独立完成典型业务场景的云上部署（如\"基于 ECS + RDS + SLB 的 Web 应用弹性可靠架构\"），理解产品的能力边界与常见限制（如 IOPS 上限、连接数瓶颈、冷热数据分层策略），能使用 CLI / SDK 进行自动化操作。有实际项目开发经验、理解开发者工作流程者优先。\n2. 有 Agentic Loop 或 AI 内容生产链路的实践经验（如多智能体编排、生成-校验-反思闭环等），能编排\"生成→校验→反思→迭代\"的 Loop，引导 AI 基于知识库产出优质技术文档初稿；理解 Human-in-the-Loop 与数据飞轮机制，能将审校反馈有效导入优化链路。\n3. 具备对技术文档质量的基本鉴赏力，能识别内容的准确性、完整性、可读性问题；理解优秀技术文档的核心要素：技术准确、场景贴合、逻辑清晰、表达精准。能对 AI 生成内容进行基础审校，识别事实错误、场景偏差和表达瑕疵，能参与构建轻量化的 Evaluation Harness / 评测清单，让内容质量可度量、可复核。\n4. 具备英文翻译能力或境外学习背景，CET 六级",
        "skills": [AI生成
            "智能体开发"
        ],
        "preferred_qualifications": "有实际项目开发经验、理解开发者工作流程者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://careers.aliyun.com/off-campus/position-detail?positionId=100015443024"
            }
        ]
    },
    "posting": {
        "posting_id": "100015443024",
        "post_date": "2026-09-10",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://careers.aliyun.com/off-campus/position-detail?positionId=100015443024"
    },
    "fulltext": "阿里云智能-AI知识工程师-杭州\n阿里云智能-AI知识工程师-杭州\n\n基础信息\n工作地点：杭州\n\n职位描述\n云产品知识库构建\n1. 透彻理解互联网应用开发、AI、大数据、网络、安全、可观测等领域，是其中一个或者多个领域的专家，有大规模生产环境经验，能够对专业领域部署架构、能力边界、技术细节、演进路线有洞见，确保知识库内容的专业性、准确性和前瞻性。\n2. 构建云产品优质应用知识库，覆盖产品能力、使用场景、实践范例、常见问题、技术细节等层面，形成结构化、可被 AI 调用的知识资产，这是 AI 生成优质内容的核心基础。\n3.能够深入理解客户生产环境，亲身实操云产品，理解开发者在真实业务场景中如何使用产品，识别用户认知盲区与使用痛点，将一线洞察转化为知识库的核心内容。\nAI 知识工程\n1. 设计并落地基于 Agentic Loop 的 AI 原生内容生产系统，编排\"规划→生成→校验→反思→迭代\"的多智能体协作闭环，实现优质、规模化、标准化的 AI 内容持续产出与剪裁迭代。\n2. 构建系统化的 Evaluation Harness，设计多层面自动化评测基准与质量门禁（事实准确性、技术深度、结构一致性、多语言对齐等），让 AI 内容质量可度量、可追溯、可自动拦截。\n3. 深入实践 Human-in-the-Loop 与数据飞轮机制，将专家审核反馈、用户行为信号高效导入优化链路，在推理编排、SFT、RLHF/DPO 等阶段持续提升 AI 的技术写作能力。\n4. 建立技术文档的专业评判标准与质量评测体系，以极致品味驱动 AI 能力持续提升，对 AI 生成内容进行专业级审核与评估。\n\n职位要求\n1. 两年以上技术开发经验，有云产品实际使用经验（如阿里云、AWS、Azure 等），能独立完成典型业务场景的云上部署（如\"基于 ECS + RDS + SLB 的 Web 应用弹性可靠架构\"），理解产品的能力边界与常见限制（如 IOPS 上限、连接数瓶颈、冷热数据分层策略），能使用 CLI / SDK 进行自动化操作。有实际项目开发经验、理解开发者工作流程者优先。\n2. 有 Agentic Loop 或 AI 内容生产链路的实践经验（如多智能体编排、生成-校验-反思闭环等），能编排\"生成→校验→反思→迭代\"的 Loop，引导 AI 基于知识库产出优质技术文档初稿；理解 Human-in-the-Loop 与数据飞轮机制，能将审校反馈有效导入优化链路。\n3. 具备对技术文档质量的基本鉴赏力，能识别内容的准确性、完整性、可读性问题；理解优秀技术文档的核心要素：技术准确、场景贴合、逻辑清晰、表达精准。能对 AI 生成内容进行基础审校，识别事实错误、场景偏差和表达瑕疵，能参与构建轻量化的 Evaluation Harness / 评测清单，让内容质量可度量、可复核。\n4. 具备英文翻译能力或境外学习背景，CET 六级\n云产品知识库构建\n1. 透彻理解互联网应用开发、AI、大数据、网络、安全、可观测等领域，是其中一个或者多个领域的专家，有大规模生产环境经验，能够对专业领域部署架构、能力边界、技术细节、演进路线有洞见，确保知识库内容的专业性、准确性和前瞻性。\n2. 构建云产品优质应用知识库，覆盖产品能力、使用场景、实践范例、常见问题、技术细节等层面，形成结构化、可被 AI 调用的知识资产，这是 AI 生成优质内容的核心基础。\n3.能够深入理解客户生产环境，亲身实操云产品，理解开发者在真实业务场景中如何使用产品，识别用户认知盲区与使用痛点，将一线洞察转化为知识库的核心内容。\nAI 知识工程\n1. 设计并落地基于 Agentic Loop 的 AI 原生内容生产系统，编排\"规划→生成→校验→反思→迭代\"的多智能体协作闭环，实现优质、规模化、标准化的 AI 内容持续产出与剪裁迭代。\n2. 构建系统化的 Evaluation Harness，设计多层面自动化评测基准与质量门禁（事实准确性、技术深度、结构一致性、多语言对齐等），让 AI 内容质量可度量、可追溯、可自动拦截。\n3. 深入实践 Human-in-the-Loop 与数据飞轮机制，将专家审核反馈、用户行为信号高效导入优化链路，在推理编排、SFT、RLHF/DPO 等阶段持续提升 AI 的技术写作能力。\n4. 建立技术文档的专业评判标准与质量评测体系，以极致品味驱动 AI 能力持续提升，对 AI 生成内容进行专业级审核与评估。\n1. 两年以上技术开发经验，有云产品实际使用经验（如阿里云、AWS、Azure 等），能独立完成典型业务场景的云上部署（如\"基于 ECS + RDS + SLB 的 Web 应用弹性可靠架构\"），理解产品的能力边界与常见限制（如 IOPS 上限、连接数瓶颈、冷热数据分层策略），能使用 CLI / SDK 进行自动化操作。有实际项目开发经验、理解开发者工作流程者优先。\n2. 有 Agentic Loop 或 AI 内容生产链路的实践经验（如多智能体编排、生成-校验-反思闭环等），能编排\"生成→校验→反思→迭代\"的 Loop，引导 AI 基于知识库产出优质技术文档初稿；理解 Human-in-the-Loop 与数据飞轮机制，能将审校反馈有效导入优化链路。\n3. 具备对技术文档质量的基本鉴赏力，能识别内容的准确性、完整性、可读性问题；理解优秀技术文档的核心要素：技术准确、场景贴合、逻辑清晰、表达精准。能对 AI 生成内容进行基础审校，识别事实错误、场景偏差和表达瑕疵，能参与构建轻量化的 Evaluation Harness / 评测清单，让内容质量可度量、可复核。\n4. 具备英文翻译能力或境外学习背景，CET 六级",
    "standard_classification": {
        "std_category_code": "T015",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}