主分类：AI应用开发（非Agent）
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": "阿里云智能-AI 应用算法工程师-AI Native创新小组-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": "算法研发"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": 5,
"degree": "计算机 / 数学 / 统计等相关专业本科及以上",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "面向业务场景，围绕大模型应用的效果质量开展设计、评测与迭代，打通「应用—反馈—数据—迭代」的闭环。具体职责包括以下方向的一项或多项：\n1. 需求转译\n与产品、业务共创，将业务诉求转化为可评估的 AI 任务，明确目标、指标与验收口径。\n2. 方案选型\n在 Prompt、检索（RAG）、上下文工程、轻量微调等路线之间进行技术选型与权衡，并完成方案落地。\n3. 评测体系\n设计评测指标与 Rubric，搭建离线评测集与自动评测（LLM-as-judge 与人工评审），建立线上 A/B 实验，监控指标漂移。\n4. 归因与调优\n定位效果问题的来源（检索、Prompt、上下文或模型），推进可验证的改进。\n5. 数据建设\n构造评测集与训练数据，建立数据版本与质量追踪。\n6. 上线与运营\n负责系统集成与发布，对线上效果、稳定性与成本负责。",
"requirements_text": "1. 计算机 / 数学 / 统计等相关专业本科及以上，2–5 年相关工作经验，有将 AI 能力落地上线的完整经验。\n2. 熟练 Prompt 工程与 RAG；理解 LLM 能力边界；了解 SFT / LoRA / DPO 的原理与适用场景，并对何时不宜微调有清晰判断。\n3. 能就一个亲手做过的线上系统说明清楚：所用的评测指标、改进前后的差异，以及最难的问题为何无法仅靠调整 chunk size 解决。\n4. 熟练 Python，能独立完成应用开发与集成；熟悉 Git / 命令行；能借助 AI 编程工具快速构建原型。\n5.有强烈创新热情和好奇心，自我驱动能力和学习能力强。\n6.积极乐观，喜欢挑战性的技术研发工作，具备良好的问题拆解与工程落地能力、沟通以及团队合作能力。\n【加分项】\n● 合成数据 / 动作轨迹（Trajectory）构造经验；\n● 开源贡献或有影响力的个人 AI 应用；熟悉 vLLM 等推理框架。",
"skills": [AI生成
"Python",
"团队协作",
"学习能力",
"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://careers.aliyun.com/off-campus/position-detail?positionId=100015563018"
}
]
},
"posting": {
"posting_id": "100015563018",
"post_date": "2026-08-30",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.aliyun.com/off-campus/position-detail?positionId=100015563018"
},
"fulltext": "阿里云智能-AI 应用算法工程师-AI Native创新小组-杭州/北京\n阿里云智能-AI 应用算法工程师-AI Native创新小组-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\n面向业务场景，围绕大模型应用的效果质量开展设计、评测与迭代，打通「应用—反馈—数据—迭代」的闭环。具体职责包括以下方向的一项或多项：\n1. 需求转译\n与产品、业务共创，将业务诉求转化为可评估的 AI 任务，明确目标、指标与验收口径。\n2. 方案选型\n在 Prompt、检索（RAG）、上下文工程、轻量微调等路线之间进行技术选型与权衡，并完成方案落地。\n3. 评测体系\n设计评测指标与 Rubric，搭建离线评测集与自动评测（LLM-as-judge 与人工评审），建立线上 A/B 实验，监控指标漂移。\n4. 归因与调优\n定位效果问题的来源（检索、Prompt、上下文或模型），推进可验证的改进。\n5. 数据建设\n构造评测集与训练数据，建立数据版本与质量追踪。\n6. 上线与运营\n负责系统集成与发布，对线上效果、稳定性与成本负责。\n\n职位要求\n1. 计算机 / 数学 / 统计等相关专业本科及以上，2–5 年相关工作经验，有将 AI 能力落地上线的完整经验。\n2. 熟练 Prompt 工程与 RAG；理解 LLM 能力边界；了解 SFT / LoRA / DPO 的原理与适用场景，并对何时不宜微调有清晰判断。\n3. 能就一个亲手做过的线上系统说明清楚：所用的评测指标、改进前后的差异，以及最难的问题为何无法仅靠调整 chunk size 解决。\n4. 熟练 Python，能独立完成应用开发与集成；熟悉 Git / 命令行；能借助 AI 编程工具快速构建原型。\n5.有强烈创新热情和好奇心，自我驱动能力和学习能力强。\n6.积极乐观，喜欢挑战性的技术研发工作，具备良好的问题拆解与工程落地能力、沟通以及团队合作能力。\n【加分项】\n● 合成数据 / 动作轨迹（Trajectory）构造经验；\n● 开源贡献或有影响力的个人 AI 应用；熟悉 vLLM 等推理框架。\n面向业务场景，围绕大模型应用的效果质量开展设计、评测与迭代，打通「应用—反馈—数据—迭代」的闭环。具体职责包括以下方向的一项或多项：\n1. 需求转译\n与产品、业务共创，将业务诉求转化为可评估的 AI 任务，明确目标、指标与验收口径。\n2. 方案选型\n在 Prompt、检索（RAG）、上下文工程、轻量微调等路线之间进行技术选型与权衡，并完成方案落地。\n3. 评测体系\n设计评测指标与 Rubric，搭建离线评测集与自动评测（LLM-as-judge 与人工评审），建立线上 A/B 实验，监控指标漂移。\n4. 归因与调优\n定位效果问题的来源（检索、Prompt、上下文或模型），推进可验证的改进。\n5. 数据建设\n构造评测集与训练数据，建立数据版本与质量追踪。\n6. 上线与运营\n负责系统集成与发布，对线上效果、稳定性与成本负责。\n1. 计算机 / 数学 / 统计等相关专业本科及以上，2–5 年相关工作经验，有将 AI 能力落地上线的完整经验。\n2. 熟练 Prompt 工程与 RAG；理解 LLM 能力边界；了解 SFT / LoRA / DPO 的原理与适用场景，并对何时不宜微调有清晰判断。\n3. 能就一个亲手做过的线上系统说明清楚：所用的评测指标、改进前后的差异，以及最难的问题为何无法仅靠调整 chunk size 解决。\n4. 熟练 Python，能独立完成应用开发与集成；熟悉 Git / 命令行；能借助 AI 编程工具快速构建原型。\n5.有强烈创新热情和好奇心，自我驱动能力和学习能力强。\n6.积极乐观，喜欢挑战性的技术研发工作，具备良好的问题拆解与工程落地能力、沟通以及团队合作能力。\n【加分项】\n● 合成数据 / 动作轨迹（Trajectory）构造经验；\n● 开源贡献或有影响力的个人 AI 应用；熟悉 vLLM 等推理框架。",
"standard_classification": {
"std_category_code": "T008",
"std_aux_codes": [
"T015"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}