{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "阿里云智能-Agent 平台数据智能研发高级工程师-杭州",
        "job_level": "高级",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": "硕士",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "本岗位聚焦企业级 AI Agent 平台的数据智能与记忆体系建设，核心目标是通过系统化的工程方法，从 Agent 运行轨迹、业务流程、用户反馈和企业知识中，沉淀可复用的智能资产、流程资产和记忆资产，帮助企业 Agent 持续自进化。岗位重点方向包括 Agent Memory、上下文工程、语义化数据分析、Agent 评估与效果优化。我们特别欢迎在短期记忆、长期记忆、记忆检索、记忆压缩、个性化 Agent、长对话系统等方向有深入实践的同学加入。\n1. 负责 Agent 平台数据智能体系建设，构建从 Agent 会话、运行轨迹、工具调用、用户反馈到业务结果的数据闭环，支撑 Badcase 挖掘、失败归因、效果评估和资产沉淀。\n2. 负责 Agent Memory 体系建设，设计并实现短期会话记忆、长期用户记忆、企业知识记忆、任务状态记忆等能力，支撑 Agent 在复杂业务场景中的连续交互和个性化服务。\n3. 负责记忆系统的工程化建设，包括记忆写入、检索、更新、压缩、衰减、冲突消解、权限隔离和生命周期管理。\n4. 负责上下文工程能力建设，围绕 Prompt、Skills、RAG、Memory、MCP Tools 等方向，提升 Agent 的业务理解、工具调用准确率和任务完成效果。\n5. 负责企业智能资产和流程资产沉淀，将知识库、Skills、Prompt、Workflow、策略规则、案例库等转化为可复用、可治理、可演进的智能资产。\n6. 负责 Agent 效果评估与自进化机制建设，包括评测集、自动评估、指标体系、A/B 实验、LLM-as-Judge、Trajectory Replay 等能力，并持续优化 Agent 效果与推理成本。",
        "requirements_text": "1. 计算机、数学、统计、人工智能等相关专业，具备扎实的工程基础、数据分析能力和系统设计能力。\n2. 有 AI、数据平台、后端平台或 LLM 应用相关研发经验，熟练掌握 Python 和 SQL，熟悉 Java 或 Go 者更佳。\n3. 熟悉 AI Agent 或 LLM 应用开发，了解 AgentScope、LangChain、Dify、ADK 等主流框架或平台，对 RAG、Tool Calling、MCP、Context Engineering 有实际项目经验。\n4. 熟悉 Agent Memory 相关架构和工程实践，理解短期记忆、长期记忆、工作记忆、情景记忆、语义记忆等概念，有记忆检索、压缩、衰减、冲突消解等落地经验者优先。\n5. 熟悉语义化数据分析方法，如意图识别、主题聚类、相似度检索、向量检索、Badcase 挖掘、调用链分析、失败归因等。\n6. 具备良好的指标设计、效果评估和问题定位能力，能够基于数据驱动 Agent 效果、记忆质量和运行效率优化。\n7. 喜欢挑战性的技术研发工作，善于攻坚克难，自驱力和学习力强；有创新热情，积极乐观，坚韧抗压，结果导向，能够持续推动问题的解决和突破。\n加分项\n1. 有 Agent Memory、长期记忆、个性化 Agent、长对话系统、用户画像、智能助手记忆系统等Context Engineering方向的项目经验。\n2. 有 Mem0、Letta / MemGPT、Zep、LangChain Memory、LlamaIndex Memory 等记忆相关开源项目研发、使用或贡献经验者优先。\n3. 有 Agent Evaluation Harness、Benchmark、Trajectory Replay、自动评估、LLM-as-Judge 等评测体系建设经验。\n4. 有企业知识库、权限体系、多租户、审计管控、搜索推荐、向量数据库、知识图谱、流程挖掘或数据平台建设经验。",
        "skills": [AI生成
            "Python",
            "Java",
            "SQL",
            "数据库",
            "数据分析",
            "知识图谱",
            "审计",
            "分析能力",
            "Go",
            "大语言模型",
            "检索增强生成",
            "智能体开发"
        ],
        "preferred_qualifications": "4. 熟悉 Agent Memory 相关架构和工程实践，理解短期记忆、长期记忆、工作记忆、情景记忆、语义记忆等概念，有记忆检索、压缩、衰减、冲突消解等落地经验者优先；加分项；2. 有 Mem0、Letta / MemGPT、Zep、LangChain Memory、LlamaIndex Memory 等记忆相关开源项目研发、使用或贡献经验者优先",
        "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=100016403004"
            }
        ]
    },
    "posting": {
        "posting_id": "100016403004",
        "post_date": "2026-09-06",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://careers.aliyun.com/off-campus/position-detail?positionId=100016403004"
    },
    "fulltext": "阿里云智能-Agent 平台数据智能研发高级工程师-杭州\n阿里云智能-Agent 平台数据智能研发高级工程师-杭州\n\n基础信息\n工作地点：杭州\n\n职位描述\n本岗位聚焦企业级 AI Agent 平台的数据智能与记忆体系建设，核心目标是通过系统化的工程方法，从 Agent 运行轨迹、业务流程、用户反馈和企业知识中，沉淀可复用的智能资产、流程资产和记忆资产，帮助企业 Agent 持续自进化。岗位重点方向包括 Agent Memory、上下文工程、语义化数据分析、Agent 评估与效果优化。我们特别欢迎在短期记忆、长期记忆、记忆检索、记忆压缩、个性化 Agent、长对话系统等方向有深入实践的同学加入。\n1. 负责 Agent 平台数据智能体系建设，构建从 Agent 会话、运行轨迹、工具调用、用户反馈到业务结果的数据闭环，支撑 Badcase 挖掘、失败归因、效果评估和资产沉淀。\n2. 负责 Agent Memory 体系建设，设计并实现短期会话记忆、长期用户记忆、企业知识记忆、任务状态记忆等能力，支撑 Agent 在复杂业务场景中的连续交互和个性化服务。\n3. 负责记忆系统的工程化建设，包括记忆写入、检索、更新、压缩、衰减、冲突消解、权限隔离和生命周期管理。\n4. 负责上下文工程能力建设，围绕 Prompt、Skills、RAG、Memory、MCP Tools 等方向，提升 Agent 的业务理解、工具调用准确率和任务完成效果。\n5. 负责企业智能资产和流程资产沉淀，将知识库、Skills、Prompt、Workflow、策略规则、案例库等转化为可复用、可治理、可演进的智能资产。\n6. 负责 Agent 效果评估与自进化机制建设，包括评测集、自动评估、指标体系、A/B 实验、LLM-as-Judge、Trajectory Replay 等能力，并持续优化 Agent 效果与推理成本。\n\n职位要求\n1. 计算机、数学、统计、人工智能等相关专业，具备扎实的工程基础、数据分析能力和系统设计能力。\n2. 有 AI、数据平台、后端平台或 LLM 应用相关研发经验，熟练掌握 Python 和 SQL，熟悉 Java 或 Go 者更佳。\n3. 熟悉 AI Agent 或 LLM 应用开发，了解 AgentScope、LangChain、Dify、ADK 等主流框架或平台，对 RAG、Tool Calling、MCP、Context Engineering 有实际项目经验。\n4. 熟悉 Agent Memory 相关架构和工程实践，理解短期记忆、长期记忆、工作记忆、情景记忆、语义记忆等概念，有记忆检索、压缩、衰减、冲突消解等落地经验者优先。\n5. 熟悉语义化数据分析方法，如意图识别、主题聚类、相似度检索、向量检索、Badcase 挖掘、调用链分析、失败归因等。\n6. 具备良好的指标设计、效果评估和问题定位能力，能够基于数据驱动 Agent 效果、记忆质量和运行效率优化。\n7. 喜欢挑战性的技术研发工作，善于攻坚克难，自驱力和学习力强；有创新热情，积极乐观，坚韧抗压，结果导向，能够持续推动问题的解决和突破。\n加分项\n1. 有 Agent Memory、长期记忆、个性化 Agent、长对话系统、用户画像、智能助手记忆系统等Context Engineering方向的项目经验。\n2. 有 Mem0、Letta / MemGPT、Zep、LangChain Memory、LlamaIndex Memory 等记忆相关开源项目研发、使用或贡献经验者优先。\n3. 有 Agent Evaluation Harness、Benchmark、Trajectory Replay、自动评估、LLM-as-Judge 等评测体系建设经验。\n4. 有企业知识库、权限体系、多租户、审计管控、搜索推荐、向量数据库、知识图谱、流程挖掘或数据平台建设经验。\n本岗位聚焦企业级 AI Agent 平台的数据智能与记忆体系建设，核心目标是通过系统化的工程方法，从 Agent 运行轨迹、业务流程、用户反馈和企业知识中，沉淀可复用的智能资产、流程资产和记忆资产，帮助企业 Agent 持续自进化。岗位重点方向包括 Agent Memory、上下文工程、语义化数据分析、Agent 评估与效果优化。我们特别欢迎在短期记忆、长期记忆、记忆检索、记忆压缩、个性化 Agent、长对话系统等方向有深入实践的同学加入。\n1. 负责 Agent 平台数据智能体系建设，构建从 Agent 会话、运行轨迹、工具调用、用户反馈到业务结果的数据闭环，支撑 Badcase 挖掘、失败归因、效果评估和资产沉淀。\n2. 负责 Agent Memory 体系建设，设计并实现短期会话记忆、长期用户记忆、企业知识记忆、任务状态记忆等能力，支撑 Agent 在复杂业务场景中的连续交互和个性化服务。\n3. 负责记忆系统的工程化建设，包括记忆写入、检索、更新、压缩、衰减、冲突消解、权限隔离和生命周期管理。\n4. 负责上下文工程能力建设，围绕 Prompt、Skills、RAG、Memory、MCP Tools 等方向，提升 Agent 的业务理解、工具调用准确率和任务完成效果。\n5. 负责企业智能资产和流程资产沉淀，将知识库、Skills、Prompt、Workflow、策略规则、案例库等转化为可复用、可治理、可演进的智能资产。\n6. 负责 Agent 效果评估与自进化机制建设，包括评测集、自动评估、指标体系、A/B 实验、LLM-as-Judge、Trajectory Replay 等能力，并持续优化 Agent 效果与推理成本。\n1. 计算机、数学、统计、人工智能等相关专业，具备扎实的工程基础、数据分析能力和系统设计能力。\n2. 有 AI、数据平台、后端平台或 LLM 应用相关研发经验，熟练掌握 Python 和 SQL，熟悉 Java 或 Go 者更佳。\n3. 熟悉 AI Agent 或 LLM 应用开发，了解 AgentScope、LangChain、Dify、ADK 等主流框架或平台，对 RAG、Tool Calling、MCP、Context Engineering 有实际项目经验。\n4. 熟悉 Agent Memory 相关架构和工程实践，理解短期记忆、长期记忆、工作记忆、情景记忆、语义记忆等概念，有记忆检索、压缩、衰减、冲突消解等落地经验者优先。\n5. 熟悉语义化数据分析方法，如意图识别、主题聚类、相似度检索、向量检索、Badcase 挖掘、调用链分析、失败归因等。\n6. 具备良好的指标设计、效果评估和问题定位能力，能够基于数据驱动 Agent 效果、记忆质量和运行效率优化。\n7. 喜欢挑战性的技术研发工作，善于攻坚克难，自驱力和学习力强；有创新热情，积极乐观，坚韧抗压，结果导向，能够持续推动问题的解决和突破。\n加分项\n1. 有 Agent Memory、长期记忆、个性化 Agent、长对话系统、用户画像、智能助手记忆系统等Context Engineering方向的项目经验。\n2. 有 Mem0、Letta / MemGPT、Zep、LangChain Memory、LlamaIndex Memory 等记忆相关开源项目研发、使用或贡献经验者优先。\n3. 有 Agent Evaluation Harness、Benchmark、Trajectory Replay、自动评估、LLM-as-Judge 等评测体系建设经验。\n4. 有企业知识库、权限体系、多租户、审计管控、搜索推荐、向量数据库、知识图谱、流程挖掘或数据平台建设经验。",
    "standard_classification": {
        "std_category_code": "T009",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}