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": "智能引擎-AI应用研发工程师-杭州",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类-开发"AI生成
},
"company": {
"company_name": "阿里巴巴控股集团",
"company_industry": "电子商务 / 云计算 / 人工智能",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "阿里巴巴集团面向消费者和企业提供电子商务、云计算及人工智能服务。"
},
"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": "我们是阿里巴巴平台技术TPP AI研发团队，负责搜推广及AI应用研发平台的建设和维护。为淘宝、千问、闪购、高德、闲鱼、飞猪等多个业务部门提供应用研发基础设施，并直接参与头部业务的应用研发。\n主要工作内容如下：\n1. 搜推广业务研发：负责阿里巴巴核心搜索、推荐、广告业务的系统设计与开发，支撑亿级用户规模的实时流量。深入理解业务场景，参与从需求分析、架构设计到上线运维的全链路研发工作。优化系统性能与稳定性，保障高并发场景下的低延迟、高可用服务。\n2. AI Native研发范式升级：推动搜索推荐系统的 AI Native 转型，探索大模型在搜推场景的深度应用。重构传统研发流程，构建以 AI 为核心的新一代研发范式，提升研发效率与系统智能化水平。研究并落地生成式检索、生成式排序、多模态理解等前沿技术在业务中的工程化实践。\n3. AI应用研发：设计并开发面向搜推场景的智能 Agent 系统，构建 Agent 编排框架，整合工具链、知识库与业务系统，打造自感知、自决策、自执行的智能体。抽象Agent需求并沉淀Agent Infra。\n我们将提供：\n参与阿里巴巴核心业务的技术挑战，影响亿级用户体验。\n与行业顶尖技术团队合作，接触前沿的 AI 技术与工程实践。\n开放的技术氛围与完善的成长体系，支持技术创新与职业发展。",
"requirements_text": "1. 对操作系统、网络、编程语言有深入理解，在性能优化方面有一定经验， 对JVM/Python VM至少有一个熟悉。\n1. 计算机及相关专业背景，扎实的计算机基础知识，2年以上Java、Python或C++一种或多种语言的开发经验。\n3. 熟悉搜推广分布式系统研发开发和优化者优先。\n4. 熟悉 LLM 应用开发，有 LangChain、Agent 框架、RAG 系统等实践经验者优先。对 AI 技术有强烈兴趣，具备快速学习与技术前瞻视野。\n5. 善于沟通协作，善于动手，乐于学习和接受挑战。",
"skills": [AI生成
"Python",
"Java",
"C++",
"分布式系统",
"性能优化",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "3. 熟悉搜推广分布式系统研发开发和优化者优先；4. 熟悉 LLM 应用开发，有 LangChain、Agent 框架、RAG 系统等实践经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100016800012"
}
]
},
"posting": {
"posting_id": "100016800012",
"post_date": "2026-08-13",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100016800012"
},
"fulltext": "智能引擎-AI应用研发工程师-杭州\n智能引擎-AI应用研发工程师-杭州\n\n基础信息\n职位类别：技术类-开发\n工作地点：杭州\n\n职位描述\n我们是阿里巴巴平台技术TPP AI研发团队，负责搜推广及AI应用研发平台的建设和维护。为淘宝、千问、闪购、高德、闲鱼、飞猪等多个业务部门提供应用研发基础设施，并直接参与头部业务的应用研发。\n主要工作内容如下：\n1. 搜推广业务研发：负责阿里巴巴核心搜索、推荐、广告业务的系统设计与开发，支撑亿级用户规模的实时流量。深入理解业务场景，参与从需求分析、架构设计到上线运维的全链路研发工作。优化系统性能与稳定性，保障高并发场景下的低延迟、高可用服务。\n2. AI Native研发范式升级：推动搜索推荐系统的 AI Native 转型，探索大模型在搜推场景的深度应用。重构传统研发流程，构建以 AI 为核心的新一代研发范式，提升研发效率与系统智能化水平。研究并落地生成式检索、生成式排序、多模态理解等前沿技术在业务中的工程化实践。\n3. AI应用研发：设计并开发面向搜推场景的智能 Agent 系统，构建 Agent 编排框架，整合工具链、知识库与业务系统，打造自感知、自决策、自执行的智能体。抽象Agent需求并沉淀Agent Infra。\n我们将提供：\n参与阿里巴巴核心业务的技术挑战，影响亿级用户体验。\n与行业顶尖技术团队合作，接触前沿的 AI 技术与工程实践。\n开放的技术氛围与完善的成长体系，支持技术创新与职业发展。\n\n职位要求\n1. 对操作系统、网络、编程语言有深入理解，在性能优化方面有一定经验， 对JVM/Python VM至少有一个熟悉。\n1. 计算机及相关专业背景，扎实的计算机基础知识，2年以上Java、Python或C++一种或多种语言的开发经验。\n3. 熟悉搜推广分布式系统研发开发和优化者优先。\n4. 熟悉 LLM 应用开发，有 LangChain、Agent 框架、RAG 系统等实践经验者优先。对 AI 技术有强烈兴趣，具备快速学习与技术前瞻视野。\n5. 善于沟通协作，善于动手，乐于学习和接受挑战。\n我们是阿里巴巴平台技术TPP AI研发团队，负责搜推广及AI应用研发平台的建设和维护。为淘宝、千问、闪购、高德、闲鱼、飞猪等多个业务部门提供应用研发基础设施，并直接参与头部业务的应用研发。\n主要工作内容如下：\n1. 搜推广业务研发：负责阿里巴巴核心搜索、推荐、广告业务的系统设计与开发，支撑亿级用户规模的实时流量。深入理解业务场景，参与从需求分析、架构设计到上线运维的全链路研发工作。优化系统性能与稳定性，保障高并发场景下的低延迟、高可用服务。\n2. AI Native研发范式升级：推动搜索推荐系统的 AI Native 转型，探索大模型在搜推场景的深度应用。重构传统研发流程，构建以 AI 为核心的新一代研发范式，提升研发效率与系统智能化水平。研究并落地生成式检索、生成式排序、多模态理解等前沿技术在业务中的工程化实践。\n3. AI应用研发：设计并开发面向搜推场景的智能 Agent 系统，构建 Agent 编排框架，整合工具链、知识库与业务系统，打造自感知、自决策、自执行的智能体。抽象Agent需求并沉淀Agent Infra。\n我们将提供：\n参与阿里巴巴核心业务的技术挑战，影响亿级用户体验。\n与行业顶尖技术团队合作，接触前沿的 AI 技术与工程实践。\n开放的技术氛围与完善的成长体系，支持技术创新与职业发展。\n1. 对操作系统、网络、编程语言有深入理解，在性能优化方面有一定经验， 对JVM/Python VM至少有一个熟悉。\n1. 计算机及相关专业背景，扎实的计算机基础知识，2年以上Java、Python或C++一种或多种语言的开发经验。\n3. 熟悉搜推广分布式系统研发开发和优化者优先。\n4. 熟悉 LLM 应用开发，有 LangChain、Agent 框架、RAG 系统等实践经验者优先。对 AI 技术有强烈兴趣，具备快速学习与技术前瞻视野。\n5. 善于沟通协作，善于动手，乐于学习和接受挑战。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T002"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}