{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "ATH事业群-AI Agent 全栈研发工程师-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": 3,
        "degree": "● 计算机、人工智能、数学等相关专业本科及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "一、Agent Runtime 与任务编排\n● 设计并实现 Agent 运行时——基于 Planning / Memory / Tool-use 构建高性能编排引擎，覆盖多步推理（ReAct / Plan-and-Solve）、上下文管理与状态机，让 Agent 稳定跑完长链路任务而不中途跑飞\n● 深度优化 Function Calling 并基于 MCP（Model Context Protocol）构建可扩展工具链，打通 Agent 与外部系统、企业应用的互通\n● 落地 Agentic RAG 与 GraphRAG，构建支持多跳推理与动态更新的长效记忆系统，突破长上下文知识瓶颈\n● 打通工具与沙箱执行层——代码执行、文件操作、外部 API 调用的安全隔离与权限控制，让 Agent 既能干活又不越界\n二、评测与可靠性（Eval Harness）\n● 搭建端到端 Eval Framework——从单点工具调用到完整任务轨迹（trajectory）的自动化评测，用数据而不是直觉来判断每次迭代是进步还是退步\n● 建立自动化监控闭环——围绕决策轨迹、工具调用准确率、自愈率做全链路 tracing 与失败分层归因（infra 层自动重试、agent 层转人工），让线上问题可复现、可定位\n● 沉淀回归数据集与质量基线，推动团队形成\"改一版就能量化验证\"的研发节奏\n三、全栈应用落地\n● 主导 AI 原生应用的端到端交付——打通从大模型推理、Agent 编排到前端用户界面的全链路，独立完成核心系统与模块的开发上线\n● 负责 Agent 工作台的交互实现——会话、任务视图、运行轨迹可视化，让用户真正看得懂 Agent 在做什么、卡在哪\n● 保持对业务场景的敏锐洞察，快速理解业务痛点，把模糊的产品需求转化为清晰的技术方案并推动快速迭代\n四、技术协作与工程文化\n● 参与 Agent 方向的人才引进与技术面试，协助搭建高水准的工程团队\n● 积极沉淀 Agent 工程实践，输出技术文档与最佳实践，营造开放分享的工程文化\n● 参与技术分享与行业交流，在 Agent 工程领域建立个人和团队的技术影响力",
        "requirements_text": "一、基础条件\n● 计算机、人工智能、数学等相关专业本科及以上学历\n● 3 年以上软件研发或 AI 工程落地经验（高级 / P7 方向需 5 年以上），有生产环境 AI 应用的开发与调优经历\n● 有从设计到上线、独立交付复杂系统的完整经历——需求、架构、编码、调优、线上运维整条链路都走过一遍\n二、核心能力\n● 全栈无边界：Node、Python、Java 至少一门能扛生产，不挑技术栈、缺哪补哪，有独立扛起一条端到端链路的经验\n● Agent 运行时：有基于 Planning / Memory / Tool-use 构建编排引擎、Function Calling、MCP 工具链或多步任务管线的落地经验，踩过长链路稳定性与时延成本的坑并把它填上\n● 评测与可靠性：有搭建端到端 Eval、可观测体系（决策轨迹 / 工具准确率 / 自愈率）的实践，习惯用数据度量效果而不是拍脑袋\n● 复杂问题拆解：主导过有明确指标的技术攻坚，能把模糊的商业需求转化为清晰、可执行、可验证的 Agent 工程链路\n三、优先考虑\n● 有 Codex、Claude Code、Cursor 等编码 Agent 或 Agent 产品的深度使用或研发经验，有敏捷的AI协作技巧\n● 有基于 LangGraph、OpenAI Agents SDK、Google ADK、Hermes Agent 等主流 Agent 框架构建多 Agent 系统的经验，有源码级定制或重构经历者更佳\n● 有 Agentic RAG / GraphRAG 落地经验，用过 Milvus、Qdrant、Neo4j、NebulaGraph 等向量 / 图数据库；或有面向 Tool-use 场景的 SFT / DPO 模型对齐实战\n● 有字节、腾讯、百度等大厂 Agent 平台或研发效能工具的落地案例，或作为核心开发者参与过知名开源 AI / Agent 项目\n● 重点应用领域架构能力。电商、营销、金融 等。",
        "skills": [AI生成
            "Python",
            "Java",
            "数据库",
            "可靠性",
            "检索增强生成"
        ],
        "preferred_qualifications": "三、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=100015983002"
            }
        ]
    },
    "posting": {
        "posting_id": "100015983002",
        "post_date": "2026-09-15",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://careers.aliyun.com/off-campus/position-detail?positionId=100015983002"
    },
    "fulltext": "ATH事业群-AI Agent 全栈研发工程师-杭州\nATH事业群-AI Agent 全栈研发工程师-杭州\n\n基础信息\n工作地点：杭州\n\n职位描述\n一、Agent Runtime 与任务编排\n● 设计并实现 Agent 运行时——基于 Planning / Memory / Tool-use 构建高性能编排引擎，覆盖多步推理（ReAct / Plan-and-Solve）、上下文管理与状态机，让 Agent 稳定跑完长链路任务而不中途跑飞\n● 深度优化 Function Calling 并基于 MCP（Model Context Protocol）构建可扩展工具链，打通 Agent 与外部系统、企业应用的互通\n● 落地 Agentic RAG 与 GraphRAG，构建支持多跳推理与动态更新的长效记忆系统，突破长上下文知识瓶颈\n● 打通工具与沙箱执行层——代码执行、文件操作、外部 API 调用的安全隔离与权限控制，让 Agent 既能干活又不越界\n二、评测与可靠性（Eval Harness）\n● 搭建端到端 Eval Framework——从单点工具调用到完整任务轨迹（trajectory）的自动化评测，用数据而不是直觉来判断每次迭代是进步还是退步\n● 建立自动化监控闭环——围绕决策轨迹、工具调用准确率、自愈率做全链路 tracing 与失败分层归因（infra 层自动重试、agent 层转人工），让线上问题可复现、可定位\n● 沉淀回归数据集与质量基线，推动团队形成\"改一版就能量化验证\"的研发节奏\n三、全栈应用落地\n● 主导 AI 原生应用的端到端交付——打通从大模型推理、Agent 编排到前端用户界面的全链路，独立完成核心系统与模块的开发上线\n● 负责 Agent 工作台的交互实现——会话、任务视图、运行轨迹可视化，让用户真正看得懂 Agent 在做什么、卡在哪\n● 保持对业务场景的敏锐洞察，快速理解业务痛点，把模糊的产品需求转化为清晰的技术方案并推动快速迭代\n四、技术协作与工程文化\n● 参与 Agent 方向的人才引进与技术面试，协助搭建高水准的工程团队\n● 积极沉淀 Agent 工程实践，输出技术文档与最佳实践，营造开放分享的工程文化\n● 参与技术分享与行业交流，在 Agent 工程领域建立个人和团队的技术影响力\n\n职位要求\n一、基础条件\n● 计算机、人工智能、数学等相关专业本科及以上学历\n● 3 年以上软件研发或 AI 工程落地经验（高级 / P7 方向需 5 年以上），有生产环境 AI 应用的开发与调优经历\n● 有从设计到上线、独立交付复杂系统的完整经历——需求、架构、编码、调优、线上运维整条链路都走过一遍\n二、核心能力\n● 全栈无边界：Node、Python、Java 至少一门能扛生产，不挑技术栈、缺哪补哪，有独立扛起一条端到端链路的经验\n● Agent 运行时：有基于 Planning / Memory / Tool-use 构建编排引擎、Function Calling、MCP 工具链或多步任务管线的落地经验，踩过长链路稳定性与时延成本的坑并把它填上\n● 评测与可靠性：有搭建端到端 Eval、可观测体系（决策轨迹 / 工具准确率 / 自愈率）的实践，习惯用数据度量效果而不是拍脑袋\n● 复杂问题拆解：主导过有明确指标的技术攻坚，能把模糊的商业需求转化为清晰、可执行、可验证的 Agent 工程链路\n三、优先考虑\n● 有 Codex、Claude Code、Cursor 等编码 Agent 或 Agent 产品的深度使用或研发经验，有敏捷的AI协作技巧\n● 有基于 LangGraph、OpenAI Agents SDK、Google ADK、Hermes Agent 等主流 Agent 框架构建多 Agent 系统的经验，有源码级定制或重构经历者更佳\n● 有 Agentic RAG / GraphRAG 落地经验，用过 Milvus、Qdrant、Neo4j、NebulaGraph 等向量 / 图数据库；或有面向 Tool-use 场景的 SFT / DPO 模型对齐实战\n● 有字节、腾讯、百度等大厂 Agent 平台或研发效能工具的落地案例，或作为核心开发者参与过知名开源 AI / Agent 项目\n● 重点应用领域架构能力。电商、营销、金融 等。\n一、Agent Runtime 与任务编排\n● 设计并实现 Agent 运行时——基于 Planning / Memory / Tool-use 构建高性能编排引擎，覆盖多步推理（ReAct / Plan-and-Solve）、上下文管理与状态机，让 Agent 稳定跑完长链路任务而不中途跑飞\n● 深度优化 Function Calling 并基于 MCP（Model Context Protocol）构建可扩展工具链，打通 Agent 与外部系统、企业应用的互通\n● 落地 Agentic RAG 与 GraphRAG，构建支持多跳推理与动态更新的长效记忆系统，突破长上下文知识瓶颈\n● 打通工具与沙箱执行层——代码执行、文件操作、外部 API 调用的安全隔离与权限控制，让 Agent 既能干活又不越界\n二、评测与可靠性（Eval Harness）\n● 搭建端到端 Eval Framework——从单点工具调用到完整任务轨迹（trajectory）的自动化评测，用数据而不是直觉来判断每次迭代是进步还是退步\n● 建立自动化监控闭环——围绕决策轨迹、工具调用准确率、自愈率做全链路 tracing 与失败分层归因（infra 层自动重试、agent 层转人工），让线上问题可复现、可定位\n● 沉淀回归数据集与质量基线，推动团队形成\"改一版就能量化验证\"的研发节奏\n三、全栈应用落地\n● 主导 AI 原生应用的端到端交付——打通从大模型推理、Agent 编排到前端用户界面的全链路，独立完成核心系统与模块的开发上线\n● 负责 Agent 工作台的交互实现——会话、任务视图、运行轨迹可视化，让用户真正看得懂 Agent 在做什么、卡在哪\n● 保持对业务场景的敏锐洞察，快速理解业务痛点，把模糊的产品需求转化为清晰的技术方案并推动快速迭代\n四、技术协作与工程文化\n● 参与 Agent 方向的人才引进与技术面试，协助搭建高水准的工程团队\n● 积极沉淀 Agent 工程实践，输出技术文档与最佳实践，营造开放分享的工程文化\n● 参与技术分享与行业交流，在 Agent 工程领域建立个人和团队的技术影响力\n一、基础条件\n● 计算机、人工智能、数学等相关专业本科及以上学历\n● 3 年以上软件研发或 AI 工程落地经验（高级 / P7 方向需 5 年以上），有生产环境 AI 应用的开发与调优经历\n● 有从设计到上线、独立交付复杂系统的完整经历——需求、架构、编码、调优、线上运维整条链路都走过一遍\n二、核心能力\n● 全栈无边界：Node、Python、Java 至少一门能扛生产，不挑技术栈、缺哪补哪，有独立扛起一条端到端链路的经验\n● Agent 运行时：有基于 Planning / Memory / Tool-use 构建编排引擎、Function Calling、MCP 工具链或多步任务管线的落地经验，踩过长链路稳定性与时延成本的坑并把它填上\n● 评测与可靠性：有搭建端到端 Eval、可观测体系（决策轨迹 / 工具准确率 / 自愈率）的实践，习惯用数据度量效果而不是拍脑袋\n● 复杂问题拆解：主导过有明确指标的技术攻坚，能把模糊的商业需求转化为清晰、可执行、可验证的 Agent 工程链路\n三、优先考虑\n● 有 Codex、Claude Code、Cursor 等编码 Agent 或 Agent 产品的深度使用或研发经验，有敏捷的AI协作技巧\n● 有基于 LangGraph、OpenAI Agents SDK、Google ADK、Hermes Agent 等主流 Agent 框架构建多 Agent 系统的经验，有源码级定制或重构经历者更佳\n● 有 Agentic RAG / GraphRAG 落地经验，用过 Milvus、Qdrant、Neo4j、NebulaGraph 等向量 / 图数据库；或有面向 Tool-use 场景的 SFT / DPO 模型对齐实战\n● 有字节、腾讯、百度等大厂 Agent 平台或研发效能工具的落地案例，或作为核心开发者参与过知名开源 AI / Agent 项目\n● 重点应用领域架构能力。电商、营销、金融 等。",
    "standard_classification": {
        "std_category_code": "T009",
        "std_aux_codes": [
            "T015"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}