主分类：Agent系统开发
辅助：后端与业务系统研发（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": "ATH事业群-AI Agent研发工程师/专家-杭州",
"job_level": "专家",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": 2,
"degree": "计算机科学、软件工程或相关专业硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、大模型应用系统架构设计：设计并实现大模型应用整体后端架构（API 层、编排层、Agent 层、工具层）；构建 LLM + RAG + Tool Calling + Workflow 的服务框架；构建稳定可复用的大模型调用封装层。\n2、Agent 与工作流系统开发：构建可扩展的 Agent 执行框架（ReAct / Planner-Executor / Multi-Agent）；设计工具调用协议（MCP、Tool Schema、Function Calling）；支持复杂任务拆解、状态管理、上下文管理、长短期记忆管理。\n3、制定标准化的工具描述协议、Agent接入规范与开发者工具链（SDK/CLI/调试平台），降低内外部生态伙伴的接入门槛。\n4、高并发与稳定性保障：构建支持高并发请求的大模型服务网关，优化模型调用延迟与成本，设计缓存机制，保障 SLA、容灾、限流、熔断。\n5、面向ToB行业场景（如AI手机等），设计并构建可扩展、高可用的Agent编排系统，支撑多模态交互系统中复杂任务的自动化执行，深度整合阿里集团内部丰富的Agent能力，同时对接第三方生态服务，打造统一的行业级Agent应用。",
"requirements_text": "1、计算机科学、软件工程或相关专业硕士及以上学历，2年以上后端系统或平台型产品研发经验。\n2、熟练掌握Go / Python / Java等至少一门后端语言；熟悉微服务架构设计与分布式系统。\n3、大模型相关经验：有 LLM应用开发经验；熟悉Context Engineering；熟悉 RAG 架构与向量数据库；熟悉主流大模型 API使用与优化（满足其中任意2项即可）。\n4、熟悉 Redis / MySQL / Kafka 等中间件；有高并发系统设计经验；熟悉容器化与云原生（K8s）；具备良好的代码结构设计与工程规范意识。\n5、有大模型Agent应用的规模化落地经验。主导或深度参与过先进Agent Harness架构（如计划-执行、反思、多智能体协同等）的设计与实现，对Agent的规划、工具调用、状态管理有系统性认知。\n加分项：\n1、有 Agent 系统设计经验；有系统级 AI 助手经验。\n2、有多模态模型接入经验；有模型成本优化经验（Token 优化、批处理、缓存）；有从 0 到 1 构建 AI 应用平台经验。\n3、具备To B商业化产品从0到1的工程落地经验，熟悉华为云、腾讯云等主流云平台的商业化服务架构，对产品的可靠性、安全性、计费与运维体系有实战积累。\n4、拥有主流手机厂商或智能服务的云端服务端核心研发经验，精通大规模高并发、高可用系统的架构设计，对终端与云端的协同工作机制有深刻理解。",
"skills": [AI生成
"Python",
"Java",
"MySQL",
"Redis",
"Kafka",
"分布式系统",
"微服务",
"数据库",
"架构设计",
"可靠性",
"结构设计",
"大语言模型",
"检索增强生成",
"智能体开发"
],
"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=100016683002"
}
]
},
"posting": {
"posting_id": "100016683002",
"post_date": "2026-09-15",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.aliyun.com/off-campus/position-detail?positionId=100016683002"
},
"fulltext": "ATH事业群-AI Agent研发工程师/专家-杭州\nATH事业群-AI Agent研发工程师/专家-杭州\n\n基础信息\n工作地点：杭州\n\n职位描述\n1、大模型应用系统架构设计：设计并实现大模型应用整体后端架构（API 层、编排层、Agent 层、工具层）；构建 LLM + RAG + Tool Calling + Workflow 的服务框架；构建稳定可复用的大模型调用封装层。\n2、Agent 与工作流系统开发：构建可扩展的 Agent 执行框架（ReAct / Planner-Executor / Multi-Agent）；设计工具调用协议（MCP、Tool Schema、Function Calling）；支持复杂任务拆解、状态管理、上下文管理、长短期记忆管理。\n3、制定标准化的工具描述协议、Agent接入规范与开发者工具链（SDK/CLI/调试平台），降低内外部生态伙伴的接入门槛。\n4、高并发与稳定性保障：构建支持高并发请求的大模型服务网关，优化模型调用延迟与成本，设计缓存机制，保障 SLA、容灾、限流、熔断。\n5、面向ToB行业场景（如AI手机等），设计并构建可扩展、高可用的Agent编排系统，支撑多模态交互系统中复杂任务的自动化执行，深度整合阿里集团内部丰富的Agent能力，同时对接第三方生态服务，打造统一的行业级Agent应用。\n\n职位要求\n1、计算机科学、软件工程或相关专业硕士及以上学历，2年以上后端系统或平台型产品研发经验。\n2、熟练掌握Go / Python / Java等至少一门后端语言；熟悉微服务架构设计与分布式系统。\n3、大模型相关经验：有 LLM应用开发经验；熟悉Context Engineering；熟悉 RAG 架构与向量数据库；熟悉主流大模型 API使用与优化（满足其中任意2项即可）。\n4、熟悉 Redis / MySQL / Kafka 等中间件；有高并发系统设计经验；熟悉容器化与云原生（K8s）；具备良好的代码结构设计与工程规范意识。\n5、有大模型Agent应用的规模化落地经验。主导或深度参与过先进Agent Harness架构（如计划-执行、反思、多智能体协同等）的设计与实现，对Agent的规划、工具调用、状态管理有系统性认知。\n加分项：\n1、有 Agent 系统设计经验；有系统级 AI 助手经验。\n2、有多模态模型接入经验；有模型成本优化经验（Token 优化、批处理、缓存）；有从 0 到 1 构建 AI 应用平台经验。\n3、具备To B商业化产品从0到1的工程落地经验，熟悉华为云、腾讯云等主流云平台的商业化服务架构，对产品的可靠性、安全性、计费与运维体系有实战积累。\n4、拥有主流手机厂商或智能服务的云端服务端核心研发经验，精通大规模高并发、高可用系统的架构设计，对终端与云端的协同工作机制有深刻理解。\n1、大模型应用系统架构设计：设计并实现大模型应用整体后端架构（API 层、编排层、Agent 层、工具层）；构建 LLM + RAG + Tool Calling + Workflow 的服务框架；构建稳定可复用的大模型调用封装层。\n2、Agent 与工作流系统开发：构建可扩展的 Agent 执行框架（ReAct / Planner-Executor / Multi-Agent）；设计工具调用协议（MCP、Tool Schema、Function Calling）；支持复杂任务拆解、状态管理、上下文管理、长短期记忆管理。\n3、制定标准化的工具描述协议、Agent接入规范与开发者工具链（SDK/CLI/调试平台），降低内外部生态伙伴的接入门槛。\n4、高并发与稳定性保障：构建支持高并发请求的大模型服务网关，优化模型调用延迟与成本，设计缓存机制，保障 SLA、容灾、限流、熔断。\n5、面向ToB行业场景（如AI手机等），设计并构建可扩展、高可用的Agent编排系统，支撑多模态交互系统中复杂任务的自动化执行，深度整合阿里集团内部丰富的Agent能力，同时对接第三方生态服务，打造统一的行业级Agent应用。\n1、计算机科学、软件工程或相关专业硕士及以上学历，2年以上后端系统或平台型产品研发经验。\n2、熟练掌握Go / Python / Java等至少一门后端语言；熟悉微服务架构设计与分布式系统。\n3、大模型相关经验：有 LLM应用开发经验；熟悉Context Engineering；熟悉 RAG 架构与向量数据库；熟悉主流大模型 API使用与优化（满足其中任意2项即可）。\n4、熟悉 Redis / MySQL / Kafka 等中间件；有高并发系统设计经验；熟悉容器化与云原生（K8s）；具备良好的代码结构设计与工程规范意识。\n5、有大模型Agent应用的规模化落地经验。主导或深度参与过先进Agent Harness架构（如计划-执行、反思、多智能体协同等）的设计与实现，对Agent的规划、工具调用、状态管理有系统性认知。\n加分项：\n1、有 Agent 系统设计经验；有系统级 AI 助手经验。\n2、有多模态模型接入经验；有模型成本优化经验（Token 优化、批处理、缓存）；有从 0 到 1 构建 AI 应用平台经验。\n3、具备To B商业化产品从0到1的工程落地经验，熟悉华为云、腾讯云等主流云平台的商业化服务架构，对产品的可靠性、安全性、计费与运维体系有实战积累。\n4、拥有主流手机厂商或智能服务的云端服务端核心研发经验，精通大规模高并发、高可用系统的架构设计，对终端与云端的协同工作机制有深刻理解。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T002"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}