{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "ATH事业群-AI Agent研发工程师-AI搜索-杭州/北京",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "云智能集团",
        "location": "北京 / 杭州",
        "work_mode": "未披露",AI生成
        "job_category": "软件研发"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": "计算机科学、人工智能、软件工程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. 负责联网搜索基础设施建设，包括网页抓取、采集调度、站点适配、反爬策略、代理管理、失败重试、增量更新、数据合\n规与链路监控。\n2. 建设网页内容理解与数据处理链路，支持 HTML、PDF、Word、表格、图片、动态网页等多源内容的解析、正文抽取、去\n噪、去重、质量评估与结构化处理。\n3. 负责离线通用索引构建体系，建设面向大规模网页和异构数据的倒排索引、向量索引、结构化索引、混合索引、增量索引\n和索引质量评估能力。\n4. 建设垂类搜索能力，面向企业知识、行业数据、内容、商品、业务系统等场景，设计领域数据 Schema、召回策略、排序策\n略、过滤规则和结果展示策略。\n5. 建设搜索质量优化与数据回流链路，包括 Query 日志、点击行为、用户反馈、Badcase 归因、人工标注、训练数据构建、\n离线评测、在线 A/B 实验和排序迭代闭环。\n6. 设计和优化搜索召回与排序体系，融合全文检索、语义召回、结构化查询、知识图谱、业务规则、Learning to Rank、\nReranking 等能力，提升相关性、时效性和可信度。\n7. 构建面向 Agent 的 Deep Search / Deep Research 能力，支持多轮检索、多步推理、动态 Query 改写、结果聚合、反思\n校验、引用溯源和答案生成。\n8. 深入优化 RAG 与 Agentic Search 架构，解决复杂任务中的意图理解、Query Rewriting、Hybrid Search、Context\nCompression、多跳检索、GraphRAG、幻觉控制与事实一致性问题。\n9. 参与 Agent 平台核心模块建设，包括 Agent Runtime、Workflow Engine、Tool Registry、Memory Store、Prompt /\nPolicy 管理、任务队列和执行调度框架。\n10. 推动系统生产化落地，重点解决稳定性、可观测性、延迟、成本、质量评估、失败恢复和线上效果退化定位等问题。",
        "requirements_text": "1. 计算机科学、人工智能、软件工程或相关专业本科及以上学历，具备 5 年以上搜索、推荐、NLP、大模型应用、AI\nAgent、爬虫系统或分布式系统研发经验。\n2. 精通 Python、Go、Java、C++ 中至少一到两门语言，具备扎实的数据结构、算法、系统设计和工程落地能力。\n3. 熟悉搜索引擎核心原理，包括倒排索引、向量索引、召回、排序、重排、相关性优化、增量索引、索引压缩和大规模集群\n调优。\n4. 熟悉 Elasticsearch、Lucene、Solr、OpenSearch、Milvus、Qdrant、Weaviate、Faiss 等搜索或向量检索系统，有生产\n环境建设和调优经验。\n5. 熟悉联网搜索或大规模数据采集链路，理解爬虫调度、网页解析、内容抽取、去重、反爬、数据质量评估、增量更新和合\n规治理等问题。\n6. 熟悉搜索质量评估方法，能够基于 Query 分析、点击反馈、人工标注、离线评测、在线 A/B、Badcase 分析持续优化搜索\n效果。\n7. 理解 RAG、Hybrid Search、Query Rewriting、Reranking、Context Compression、GraphRAG、多跳检索、Deep Search\n等技术，有复杂知识问答或智能搜索系统落地经验。\n8. 熟悉 AI Agent 核心机制，包括任务规划、工具调用、工作流编排、记忆管理、上下文管理、多 Agent 协作等；有\nLangChain、LlamaIndex、LangGraph、AutoGen 或自研 Agent Framework 经验优先。\n9. 熟悉 LLM 工程化实践，包括 Prompt Engineering、Function Calling / Tool Calling、模型路由、缓存、并发控制、推\n理加速、上下文裁剪和成本优化。\n10. 熟悉微服务、消息队列、任务调度、缓存、数据库、K8s、Docker 等基础设施，有高并发、高可用、低延迟系统设计和性\n能调优经验。\n优先考虑\n1. 有联网搜索、通用网页搜索、垂类搜索、企业搜索或搜索引擎从 0 到 1 建设经验。\n2. 有大规模爬虫 Infra、网页解析、离线索引构建、增量索引、搜索数据回流或搜索质量优化经验。\n3. 有 Agentic Search、Deep Research、企业知识库问答、AI 助手或通用 Agent 平台核心开发经验。\n4. 有复杂 RAG / GraphRAG 系统落地经验，熟悉多源异构数据的检索、重排、推理和答案生成链路。\n5. 有排序模型、Reranker、Learning to Rank、语义匹配、Embedding、点击模型或搜索相关性优化经验。\n6. 有 Agent RL、RLHF / RLAIF、DPO / GRPO、Reward Model、Trajectory 数据构建或模型后训练相关工程经验。\n7. 在 Lucene、Elasticsearch、OpenSearch、LangChain、LlamaIndex、LangGraph、vLLM 等开源项目中有贡献，或有高质量\n技术博客 / 开源项目。\n我们期待的你\n1. 对搜索、爬虫、索引、RAG、Agent 和大模型工程有系统性理解，不满足于简单调用框架 API。\n2. 既能建设底层搜索基础设施，也能把搜索能力与 Agent / LLM 应用结合，形成真实可用的产品能力。\n3. 面对搜索质量差、数据不干净、索引更新慢、幻觉严重、长链路不稳定等问题，能够快速定位、验证并推动闭环。\n4. 具备结果导向和用户体验意识，能够从用户搜索、问答和任务完成效果出发，反推召回、排序、索引和 Agent 链路设计。\n5. 具备良好的技术沟通和协作能力，能够推动复杂技术方案在产品和业务场景中落地。",
        "skills": [AI生成
            "Python",
            "Java",
            "C++",
            "Docker",
            "Elasticsearch",
            "自然语言处理",
            "数据结构",
            "分布式系统",
            "微服务",
            "数据库",
            "Go",
            "大语言模型",
            "检索增强生成",
            "智能体开发"
        ],
        "preferred_qualifications": "LangChain、LlamaIndex、LangGraph、AutoGen 或自研 Agent Framework 经验优先；优先考虑",
        "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=100015503013"
            }
        ]
    },
    "posting": {
        "posting_id": "100015503013",
        "post_date": "2026-09-08",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://careers.aliyun.com/off-campus/position-detail?positionId=100015503013"
    },
    "fulltext": "ATH事业群-AI Agent研发工程师-AI搜索-杭州/北京\nATH事业群-AI Agent研发工程师-AI搜索-杭州/北京\n\n基础信息\n工作地点：北京 / 杭州\n\n职位描述\n1. 负责联网搜索基础设施建设，包括网页抓取、采集调度、站点适配、反爬策略、代理管理、失败重试、增量更新、数据合\n规与链路监控。\n2. 建设网页内容理解与数据处理链路，支持 HTML、PDF、Word、表格、图片、动态网页等多源内容的解析、正文抽取、去\n噪、去重、质量评估与结构化处理。\n3. 负责离线通用索引构建体系，建设面向大规模网页和异构数据的倒排索引、向量索引、结构化索引、混合索引、增量索引\n和索引质量评估能力。\n4. 建设垂类搜索能力，面向企业知识、行业数据、内容、商品、业务系统等场景，设计领域数据 Schema、召回策略、排序策\n略、过滤规则和结果展示策略。\n5. 建设搜索质量优化与数据回流链路，包括 Query 日志、点击行为、用户反馈、Badcase 归因、人工标注、训练数据构建、\n离线评测、在线 A/B 实验和排序迭代闭环。\n6. 设计和优化搜索召回与排序体系，融合全文检索、语义召回、结构化查询、知识图谱、业务规则、Learning to Rank、\nReranking 等能力，提升相关性、时效性和可信度。\n7. 构建面向 Agent 的 Deep Search / Deep Research 能力，支持多轮检索、多步推理、动态 Query 改写、结果聚合、反思\n校验、引用溯源和答案生成。\n8. 深入优化 RAG 与 Agentic Search 架构，解决复杂任务中的意图理解、Query Rewriting、Hybrid Search、Context\nCompression、多跳检索、GraphRAG、幻觉控制与事实一致性问题。\n9. 参与 Agent 平台核心模块建设，包括 Agent Runtime、Workflow Engine、Tool Registry、Memory Store、Prompt /\nPolicy 管理、任务队列和执行调度框架。\n10. 推动系统生产化落地，重点解决稳定性、可观测性、延迟、成本、质量评估、失败恢复和线上效果退化定位等问题。\n\n职位要求\n1. 计算机科学、人工智能、软件工程或相关专业本科及以上学历，具备 5 年以上搜索、推荐、NLP、大模型应用、AI\nAgent、爬虫系统或分布式系统研发经验。\n2. 精通 Python、Go、Java、C++ 中至少一到两门语言，具备扎实的数据结构、算法、系统设计和工程落地能力。\n3. 熟悉搜索引擎核心原理，包括倒排索引、向量索引、召回、排序、重排、相关性优化、增量索引、索引压缩和大规模集群\n调优。\n4. 熟悉 Elasticsearch、Lucene、Solr、OpenSearch、Milvus、Qdrant、Weaviate、Faiss 等搜索或向量检索系统，有生产\n环境建设和调优经验。\n5. 熟悉联网搜索或大规模数据采集链路，理解爬虫调度、网页解析、内容抽取、去重、反爬、数据质量评估、增量更新和合\n规治理等问题。\n6. 熟悉搜索质量评估方法，能够基于 Query 分析、点击反馈、人工标注、离线评测、在线 A/B、Badcase 分析持续优化搜索\n效果。\n7. 理解 RAG、Hybrid Search、Query Rewriting、Reranking、Context Compression、GraphRAG、多跳检索、Deep Search\n等技术，有复杂知识问答或智能搜索系统落地经验。\n8. 熟悉 AI Agent 核心机制，包括任务规划、工具调用、工作流编排、记忆管理、上下文管理、多 Agent 协作等；有\nLangChain、LlamaIndex、LangGraph、AutoGen 或自研 Agent Framework 经验优先。\n9. 熟悉 LLM 工程化实践，包括 Prompt Engineering、Function Calling / Tool Calling、模型路由、缓存、并发控制、推\n理加速、上下文裁剪和成本优化。\n10. 熟悉微服务、消息队列、任务调度、缓存、数据库、K8s、Docker 等基础设施，有高并发、高可用、低延迟系统设计和性\n能调优经验。\n优先考虑\n1. 有联网搜索、通用网页搜索、垂类搜索、企业搜索或搜索引擎从 0 到 1 建设经验。\n2. 有大规模爬虫 Infra、网页解析、离线索引构建、增量索引、搜索数据回流或搜索质量优化经验。\n3. 有 Agentic Search、Deep Research、企业知识库问答、AI 助手或通用 Agent 平台核心开发经验。\n4. 有复杂 RAG / GraphRAG 系统落地经验，熟悉多源异构数据的检索、重排、推理和答案生成链路。\n5. 有排序模型、Reranker、Learning to Rank、语义匹配、Embedding、点击模型或搜索相关性优化经验。\n6. 有 Agent RL、RLHF / RLAIF、DPO / GRPO、Reward Model、Trajectory 数据构建或模型后训练相关工程经验。\n7. 在 Lucene、Elasticsearch、OpenSearch、LangChain、LlamaIndex、LangGraph、vLLM 等开源项目中有贡献，或有高质量\n技术博客 / 开源项目。\n我们期待的你\n1. 对搜索、爬虫、索引、RAG、Agent 和大模型工程有系统性理解，不满足于简单调用框架 API。\n2. 既能建设底层搜索基础设施，也能把搜索能力与 Agent / LLM 应用结合，形成真实可用的产品能力。\n3. 面对搜索质量差、数据不干净、索引更新慢、幻觉严重、长链路不稳定等问题，能够快速定位、验证并推动闭环。\n4. 具备结果导向和用户体验意识，能够从用户搜索、问答和任务完成效果出发，反推召回、排序、索引和 Agent 链路设计。\n5. 具备良好的技术沟通和协作能力，能够推动复杂技术方案在产品和业务场景中落地。\n1. 负责联网搜索基础设施建设，包括网页抓取、采集调度、站点适配、反爬策略、代理管理、失败重试、增量更新、数据合\n规与链路监控。\n2. 建设网页内容理解与数据处理链路，支持 HTML、PDF、Word、表格、图片、动态网页等多源内容的解析、正文抽取、去\n噪、去重、质量评估与结构化处理。\n3. 负责离线通用索引构建体系，建设面向大规模网页和异构数据的倒排索引、向量索引、结构化索引、混合索引、增量索引\n和索引质量评估能力。\n4. 建设垂类搜索能力，面向企业知识、行业数据、内容、商品、业务系统等场景，设计领域数据 Schema、召回策略、排序策\n略、过滤规则和结果展示策略。\n5. 建设搜索质量优化与数据回流链路，包括 Query 日志、点击行为、用户反馈、Badcase 归因、人工标注、训练数据构建、\n离线评测、在线 A/B 实验和排序迭代闭环。\n6. 设计和优化搜索召回与排序体系，融合全文检索、语义召回、结构化查询、知识图谱、业务规则、Learning to Rank、\nReranking 等能力，提升相关性、时效性和可信度。\n7. 构建面向 Agent 的 Deep Search / Deep Research 能力，支持多轮检索、多步推理、动态 Query 改写、结果聚合、反思\n校验、引用溯源和答案生成。\n8. 深入优化 RAG 与 Agentic Search 架构，解决复杂任务中的意图理解、Query Rewriting、Hybrid Search、Context\nCompression、多跳检索、GraphRAG、幻觉控制与事实一致性问题。\n9. 参与 Agent 平台核心模块建设，包括 Agent Runtime、Workflow Engine、Tool Registry、Memory Store、Prompt /\nPolicy 管理、任务队列和执行调度框架。\n10. 推动系统生产化落地，重点解决稳定性、可观测性、延迟、成本、质量评估、失败恢复和线上效果退化定位等问题。\n1. 计算机科学、人工智能、软件工程或相关专业本科及以上学历，具备 5 年以上搜索、推荐、NLP、大模型应用、AI\nAgent、爬虫系统或分布式系统研发经验。\n2. 精通 Python、Go、Java、C++ 中至少一到两门语言，具备扎实的数据结构、算法、系统设计和工程落地能力。\n3. 熟悉搜索引擎核心原理，包括倒排索引、向量索引、召回、排序、重排、相关性优化、增量索引、索引压缩和大规模集群\n调优。\n4. 熟悉 Elasticsearch、Lucene、Solr、OpenSearch、Milvus、Qdrant、Weaviate、Faiss 等搜索或向量检索系统，有生产\n环境建设和调优经验。\n5. 熟悉联网搜索或大规模数据采集链路，理解爬虫调度、网页解析、内容抽取、去重、反爬、数据质量评估、增量更新和合\n规治理等问题。\n6. 熟悉搜索质量评估方法，能够基于 Query 分析、点击反馈、人工标注、离线评测、在线 A/B、Badcase 分析持续优化搜索\n效果。\n7. 理解 RAG、Hybrid Search、Query Rewriting、Reranking、Context Compression、GraphRAG、多跳检索、Deep Search\n等技术，有复杂知识问答或智能搜索系统落地经验。\n8. 熟悉 AI Agent 核心机制，包括任务规划、工具调用、工作流编排、记忆管理、上下文管理、多 Agent 协作等；有\nLangChain、LlamaIndex、LangGraph、AutoGen 或自研 Agent Framework 经验优先。\n9. 熟悉 LLM 工程化实践，包括 Prompt Engineering、Function Calling / Tool Calling、模型路由、缓存、并发控制、推\n理加速、上下文裁剪和成本优化。\n10. 熟悉微服务、消息队列、任务调度、缓存、数据库、K8s、Docker 等基础设施，有高并发、高可用、低延迟系统设计和性\n能调优经验。\n优先考虑\n1. 有联网搜索、通用网页搜索、垂类搜索、企业搜索或搜索引擎从 0 到 1 建设经验。\n2. 有大规模爬虫 Infra、网页解析、离线索引构建、增量索引、搜索数据回流或搜索质量优化经验。\n3. 有 Agentic Search、Deep Research、企业知识库问答、AI 助手或通用 Agent 平台核心开发经验。\n4. 有复杂 RAG / GraphRAG 系统落地经验，熟悉多源异构数据的检索、重排、推理和答案生成链路。\n5. 有排序模型、Reranker、Learning to Rank、语义匹配、Embedding、点击模型或搜索相关性优化经验。\n6. 有 Agent RL、RLHF / RLAIF、DPO / GRPO、Reward Model、Trajectory 数据构建或模型后训练相关工程经验。\n7. 在 Lucene、Elasticsearch、OpenSearch、LangChain、LlamaIndex、LangGraph、vLLM 等开源项目中有贡献，或有高质量\n技术博客 / 开源项目。\n我们期待的你\n1. 对搜索、爬虫、索引、RAG、Agent 和大模型工程有系统性理解，不满足于简单调用框架 API。\n2. 既能建设底层搜索基础设施，也能把搜索能力与 Agent / LLM 应用结合，形成真实可用的产品能力。\n3. 面对搜索质量差、数据不干净、索引更新慢、幻觉严重、长链路不稳定等问题，能够快速定位、验证并推动闭环。\n4. 具备结果导向和用户体验意识，能够从用户搜索、问答和任务完成效果出发，反推召回、排序、索引和 Agent 链路设计。\n5. 具备良好的技术沟通和协作能力，能够推动复杂技术方案在产品和业务场景中落地。",
    "standard_classification": {
        "std_category_code": "T009",
        "std_aux_codes": [
            "T011"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}