主分类：Agent系统开发
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应用开发工程师-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": "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": "本科",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 负责供采全链路 AI Agent 的架构设计与核心开发，覆盖供应商管理、寻源招投标、合同履约、成本分析、需求预测、库存优化、物流调度等业务场景；\n主导大模型（LLM）Agent 的技术落地，包括 ReAct/Plan-Execute 规划、多 Agent 协作、Tool/Function Calling、Memory 机制、Workflow 编排等核心能力的设计与实现；\n设计高可用、可扩展的 Agent 服务架构，支撑多轮对话、工具链调度、子 Agent 分发等复杂交互模式；\n评估并引入前沿 Agent 框架与技术（多模态 Agent、Self-Reflection、MCTS 规划等），解决供采业务中的复杂决策问题。\n2. Agent 应用工程与平台能力\n主导 Agent 开发平台的技术设计，包括 Prompt 管理、工具注册中心、知识库接入、评测沙箱、版本灰度等核心模块；\n构建面向供采业务的 Agent 能力组件库，实现智能供应商评估、智能寻源问答、合同风险审查、需求预测分析、库存优化建议、物流路径规划等场景的能力复用；\n设计并实施 Agent 性能优化方案，包括 推理加速、并发调度、缓存策略、上下文窗口管理、长任务异步编排等，保障大规模并发下的响应效率；\n建立 Agent 可观测性体系，覆盖 效果监控、Trace 链路追踪、A/B 测试、异常告警、根因分析等技术机制。\n3. 业务支持与价值交付\n深入理解供采全链路业务流程，将业务问题转化为 Agent 技术方案，推动技术驱动的业务创新与效率提升；\n与业务方紧密协作，识别高价值的 Agent 应用场景，制定技术路线图和优先级，确保资源投入产出最大化；\n主导跨系统的数据集成与知识库建设，构建供采领域的 结构化知识图谱 + 非结构化文档检索体系，为 Agent 提供高质量的知识与工具支撑；\n对 Agent 项目的业务效果负责，通过技术手段持续优化任务完成率、工具调用准确率、用户满意度等核心指标。",
"requirements_text": "1.大模型 Agent 技术实战：具备完整的 LLM Agent 落地经验，熟悉 Prompt Engineering、RAG 检索增强、Tool/Function Calling、多 Agent 协作编排、Self-Reflection 等核心能力；熟练使用主流 Agent 框架与工具链（LangGraph / AutoGen / Semantic Kernel / Dify 等），能独立完成 Agent 设计到部署的全流程。\n2.工程架构能力：熟悉微服务、容器化、云原生架构，有高并发、高可用系统设计经验；掌握 Agent 服务的工程化最佳实践，包括 Prompt 版本管理、评测流水线、灰度发布、可观测性建设。\n3.供采业务理解（优先）：熟悉供应链、采购、ERP、SRM、WMS 等领域，了解供应商管理、招投标、合同、成本分析、需求预测、库存优化等全链路场景；能将业务流程拆解为 Agent 可执行的任务编排与工具调度策略。\n4.技术基本功：扎实的编程能力（Python 为主，Java/Scala 加分），熟悉 RESTful/gRPC 接口设计与异步编程模式；了解机器学习/深度学习基本原理，熟悉大模型推理优化（量化、KV-Cache、vLLM 等）者优先；熟悉大数据技术栈（Spark / Flink）及云平台 AI 服务者优先。\n5.项目落地与商业化：有成功的 Agent / AI 应用项目案例，能清晰阐述技术方案与业务价值；有从 0 到 1 搭建 Agent 平台或智能体产品经验者优先。\n6.软技能：优秀的沟通能力，能将技术问题用业务语言表达；强烈的业务敏感度与价值导向，抗压自驱，具备良好的协作精神。",
"skills": [AI生成
"Python",
"Java",
"Scala",
"Spark",
"Flink",
"机器学习",
"深度学习",
"微服务",
"接口设计",
"采购",
"供应商管理",
"沟通能力",
"大语言模型",
"检索增强生成",
"智能体开发"
],
"preferred_qualifications": "3.供采业务理解（优先）：熟悉供应链、采购、ERP、SRM、WMS 等领域，了解供应商管理、招投标、合同、成本分析、需求预测、库存优化等全链路场景；4.技术基本功：扎实的编程能力（Python 为主，Java/Scala 加分），熟悉 RESTful/gRPC 接口设计与异步编程模式；了解机器学习/深度学习基本原理，熟悉大模型推理优化（量化、KV-Cache、vLLM 等）者优先；熟悉大数据技术栈（Spark / Flink）及云平台 AI 服务者优先；有从 0 到 1 搭建 Agent 平台或智能体产品经验者优先",
"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=100015743002"
}
]
},
"posting": {
"posting_id": "100015743002",
"post_date": "2026-09-04",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.aliyun.com/off-campus/position-detail?positionId=100015743002"
},
"fulltext": "阿里云智能-AI应用开发工程师-杭州\n阿里云智能-AI应用开发工程师-杭州\n\n基础信息\n工作地点：杭州\n\n职位描述\n1. 负责供采全链路 AI Agent 的架构设计与核心开发，覆盖供应商管理、寻源招投标、合同履约、成本分析、需求预测、库存优化、物流调度等业务场景；\n主导大模型（LLM）Agent 的技术落地，包括 ReAct/Plan-Execute 规划、多 Agent 协作、Tool/Function Calling、Memory 机制、Workflow 编排等核心能力的设计与实现；\n设计高可用、可扩展的 Agent 服务架构，支撑多轮对话、工具链调度、子 Agent 分发等复杂交互模式；\n评估并引入前沿 Agent 框架与技术（多模态 Agent、Self-Reflection、MCTS 规划等），解决供采业务中的复杂决策问题。\n2. Agent 应用工程与平台能力\n主导 Agent 开发平台的技术设计，包括 Prompt 管理、工具注册中心、知识库接入、评测沙箱、版本灰度等核心模块；\n构建面向供采业务的 Agent 能力组件库，实现智能供应商评估、智能寻源问答、合同风险审查、需求预测分析、库存优化建议、物流路径规划等场景的能力复用；\n设计并实施 Agent 性能优化方案，包括 推理加速、并发调度、缓存策略、上下文窗口管理、长任务异步编排等，保障大规模并发下的响应效率；\n建立 Agent 可观测性体系，覆盖 效果监控、Trace 链路追踪、A/B 测试、异常告警、根因分析等技术机制。\n3. 业务支持与价值交付\n深入理解供采全链路业务流程，将业务问题转化为 Agent 技术方案，推动技术驱动的业务创新与效率提升；\n与业务方紧密协作，识别高价值的 Agent 应用场景，制定技术路线图和优先级，确保资源投入产出最大化；\n主导跨系统的数据集成与知识库建设，构建供采领域的 结构化知识图谱 + 非结构化文档检索体系，为 Agent 提供高质量的知识与工具支撑；\n对 Agent 项目的业务效果负责，通过技术手段持续优化任务完成率、工具调用准确率、用户满意度等核心指标。\n\n职位要求\n1.大模型 Agent 技术实战：具备完整的 LLM Agent 落地经验，熟悉 Prompt Engineering、RAG 检索增强、Tool/Function Calling、多 Agent 协作编排、Self-Reflection 等核心能力；熟练使用主流 Agent 框架与工具链（LangGraph / AutoGen / Semantic Kernel / Dify 等），能独立完成 Agent 设计到部署的全流程。\n2.工程架构能力：熟悉微服务、容器化、云原生架构，有高并发、高可用系统设计经验；掌握 Agent 服务的工程化最佳实践，包括 Prompt 版本管理、评测流水线、灰度发布、可观测性建设。\n3.供采业务理解（优先）：熟悉供应链、采购、ERP、SRM、WMS 等领域，了解供应商管理、招投标、合同、成本分析、需求预测、库存优化等全链路场景；能将业务流程拆解为 Agent 可执行的任务编排与工具调度策略。\n4.技术基本功：扎实的编程能力（Python 为主，Java/Scala 加分），熟悉 RESTful/gRPC 接口设计与异步编程模式；了解机器学习/深度学习基本原理，熟悉大模型推理优化（量化、KV-Cache、vLLM 等）者优先；熟悉大数据技术栈（Spark / Flink）及云平台 AI 服务者优先。\n5.项目落地与商业化：有成功的 Agent / AI 应用项目案例，能清晰阐述技术方案与业务价值；有从 0 到 1 搭建 Agent 平台或智能体产品经验者优先。\n6.软技能：优秀的沟通能力，能将技术问题用业务语言表达；强烈的业务敏感度与价值导向，抗压自驱，具备良好的协作精神。\n1. 负责供采全链路 AI Agent 的架构设计与核心开发，覆盖供应商管理、寻源招投标、合同履约、成本分析、需求预测、库存优化、物流调度等业务场景；\n主导大模型（LLM）Agent 的技术落地，包括 ReAct/Plan-Execute 规划、多 Agent 协作、Tool/Function Calling、Memory 机制、Workflow 编排等核心能力的设计与实现；\n设计高可用、可扩展的 Agent 服务架构，支撑多轮对话、工具链调度、子 Agent 分发等复杂交互模式；\n评估并引入前沿 Agent 框架与技术（多模态 Agent、Self-Reflection、MCTS 规划等），解决供采业务中的复杂决策问题。\n2. Agent 应用工程与平台能力\n主导 Agent 开发平台的技术设计，包括 Prompt 管理、工具注册中心、知识库接入、评测沙箱、版本灰度等核心模块；\n构建面向供采业务的 Agent 能力组件库，实现智能供应商评估、智能寻源问答、合同风险审查、需求预测分析、库存优化建议、物流路径规划等场景的能力复用；\n设计并实施 Agent 性能优化方案，包括 推理加速、并发调度、缓存策略、上下文窗口管理、长任务异步编排等，保障大规模并发下的响应效率；\n建立 Agent 可观测性体系，覆盖 效果监控、Trace 链路追踪、A/B 测试、异常告警、根因分析等技术机制。\n3. 业务支持与价值交付\n深入理解供采全链路业务流程，将业务问题转化为 Agent 技术方案，推动技术驱动的业务创新与效率提升；\n与业务方紧密协作，识别高价值的 Agent 应用场景，制定技术路线图和优先级，确保资源投入产出最大化；\n主导跨系统的数据集成与知识库建设，构建供采领域的 结构化知识图谱 + 非结构化文档检索体系，为 Agent 提供高质量的知识与工具支撑；\n对 Agent 项目的业务效果负责，通过技术手段持续优化任务完成率、工具调用准确率、用户满意度等核心指标。\n1.大模型 Agent 技术实战：具备完整的 LLM Agent 落地经验，熟悉 Prompt Engineering、RAG 检索增强、Tool/Function Calling、多 Agent 协作编排、Self-Reflection 等核心能力；熟练使用主流 Agent 框架与工具链（LangGraph / AutoGen / Semantic Kernel / Dify 等），能独立完成 Agent 设计到部署的全流程。\n2.工程架构能力：熟悉微服务、容器化、云原生架构，有高并发、高可用系统设计经验；掌握 Agent 服务的工程化最佳实践，包括 Prompt 版本管理、评测流水线、灰度发布、可观测性建设。\n3.供采业务理解（优先）：熟悉供应链、采购、ERP、SRM、WMS 等领域，了解供应商管理、招投标、合同、成本分析、需求预测、库存优化等全链路场景；能将业务流程拆解为 Agent 可执行的任务编排与工具调度策略。\n4.技术基本功：扎实的编程能力（Python 为主，Java/Scala 加分），熟悉 RESTful/gRPC 接口设计与异步编程模式；了解机器学习/深度学习基本原理，熟悉大模型推理优化（量化、KV-Cache、vLLM 等）者优先；熟悉大数据技术栈（Spark / Flink）及云平台 AI 服务者优先。\n5.项目落地与商业化：有成功的 Agent / AI 应用项目案例，能清晰阐述技术方案与业务价值；有从 0 到 1 搭建 Agent 平台或智能体产品经验者优先。\n6.软技能：优秀的沟通能力，能将技术问题用业务语言表达；强烈的业务敏感度与价值导向，抗压自驱，具备良好的协作精神。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}