{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "企业智能事业部-AI Agent研发专家-杭州",
        "job_level": "专家",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": "软件研发"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": 5,
        "degree": "本科",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1. 架构设计与技术主导：独立负责中大型项目的系统分析与架构设计，主导核心模块的方案选型与代码落地，确保业务需求高质量、可持续地交付。\n2. 大模型与 Agent 技术研发：深度参与大模型与 Agent 相关技术的研发与落地，覆盖意图理解、记忆机制、工具调用（Tool Use）、任务规划（Planning）、多智能体协同（Multi-Agent）等关键模块。\n3. AI 能力工程化落地：推动 AI 能力在交付与运维场景中的深度集成与创新应用，构建高性能、高可用、可扩展、开箱即用的工程体系。\n4. 技术影响力：制定团队技术规范与最佳实践，参与技术评审，培养并指导团队成员，持续提升团队整体技术水位。",
        "requirements_text": "1. AI-Native 思维（必备）：伴随 AI 时代成长，将 AI 视为思维方式与基础工具而非附加项；习惯用大模型 / Agent / Copilot 重构自己的工作流（写代码、查资料、做设计、跑实验），并能将这种思维范式带入团队与系统设计中。具备一定年限的实战经验，能输出\"AI-Native\"理念下的真实产出，而非仅停留在概念层。\n2. 模型能力地图（必备）：熟悉当前主流大模型（Claude / GPT / Gemini / DeepSeek / Qwen / Kimi 等）的能力特征与边界——知道哪个模型适合写代码、哪个适合长上下文、哪个适合 Agent 调度、哪个适合多模态；能根据任务特点和成本预算做出合理选型，而不是\"无脑用一个模型打天下\"。\n3. Agent 工程与 Harness 实战（必备）：熟悉业界主流 AI CLI / Coding Agent 工具链（如 Claude Code、Codex、Cursor、Aider、Continue、Cline 等），用过、对比过、踩过坑；对 Agent 架构玩法（ReAct、Plan-and-Execute、Reflection、Multi-Agent、Subagent、Memory、Context Engineering 等）和 Harness 设计（System Prompt 编排、Tool 定义、权限模型、Hook 机制、Skill 化封装、Loop 控制等）有深度理解与自己的方法论，能讲清楚\"为什么这样设计 / 这样设计的代价是什么\"。\n4. 后端基础：5 年以上后端开发经验，其中至少 2 年架构设计经验；精通 Java，熟悉 Node.js / Python 中至少一门，熟悉分布式系统设计、高并发处理与大数据处理链路。\n5. 架构能力：具备从 0 到 1 设计中大型业务系统的完整经验，熟悉微服务、消息中间件、缓存、存储选型，能在性能、稳定性、成本之间做出合理权衡。\n6. AI 研发经验：具备大模型 / Agent 相关领域的学习或研发经验，理解 RAG、Function Calling、Workflow、Multi-Agent 等核心范式；有规模化 AI 应用线上落地成果者优先。\n7. 工程素养：注重代码质量与系统可维护性，有良好的文档习惯与技术沉淀意识。",
        "skills": [AI生成
            "Python",
            "Java",
            "React",
            "分布式系统",
            "微服务",
            "架构设计",
            "大语言模型",
            "检索增强生成"
        ],
        "preferred_qualifications": "有规模化 AI 应用线上落地成果者优先",
        "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=100017120002"
            }
        ]
    },
    "posting": {
        "posting_id": "100017120002",
        "post_date": "2026-09-10",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100017120002"
    },
    "fulltext": "企业智能事业部-AI Agent研发专家-杭州\n企业智能事业部-AI Agent研发专家-杭州\n\n基础信息\n工作地点：杭州\n\n职位描述\n1. 架构设计与技术主导：独立负责中大型项目的系统分析与架构设计，主导核心模块的方案选型与代码落地，确保业务需求高质量、可持续地交付。\n2. 大模型与 Agent 技术研发：深度参与大模型与 Agent 相关技术的研发与落地，覆盖意图理解、记忆机制、工具调用（Tool Use）、任务规划（Planning）、多智能体协同（Multi-Agent）等关键模块。\n3. AI 能力工程化落地：推动 AI 能力在交付与运维场景中的深度集成与创新应用，构建高性能、高可用、可扩展、开箱即用的工程体系。\n4. 技术影响力：制定团队技术规范与最佳实践，参与技术评审，培养并指导团队成员，持续提升团队整体技术水位。\n\n职位要求\n1. AI-Native 思维（必备）：伴随 AI 时代成长，将 AI 视为思维方式与基础工具而非附加项；习惯用大模型 / Agent / Copilot 重构自己的工作流（写代码、查资料、做设计、跑实验），并能将这种思维范式带入团队与系统设计中。具备一定年限的实战经验，能输出\"AI-Native\"理念下的真实产出，而非仅停留在概念层。\n2. 模型能力地图（必备）：熟悉当前主流大模型（Claude / GPT / Gemini / DeepSeek / Qwen / Kimi 等）的能力特征与边界——知道哪个模型适合写代码、哪个适合长上下文、哪个适合 Agent 调度、哪个适合多模态；能根据任务特点和成本预算做出合理选型，而不是\"无脑用一个模型打天下\"。\n3. Agent 工程与 Harness 实战（必备）：熟悉业界主流 AI CLI / Coding Agent 工具链（如 Claude Code、Codex、Cursor、Aider、Continue、Cline 等），用过、对比过、踩过坑；对 Agent 架构玩法（ReAct、Plan-and-Execute、Reflection、Multi-Agent、Subagent、Memory、Context Engineering 等）和 Harness 设计（System Prompt 编排、Tool 定义、权限模型、Hook 机制、Skill 化封装、Loop 控制等）有深度理解与自己的方法论，能讲清楚\"为什么这样设计 / 这样设计的代价是什么\"。\n4. 后端基础：5 年以上后端开发经验，其中至少 2 年架构设计经验；精通 Java，熟悉 Node.js / Python 中至少一门，熟悉分布式系统设计、高并发处理与大数据处理链路。\n5. 架构能力：具备从 0 到 1 设计中大型业务系统的完整经验，熟悉微服务、消息中间件、缓存、存储选型，能在性能、稳定性、成本之间做出合理权衡。\n6. AI 研发经验：具备大模型 / Agent 相关领域的学习或研发经验，理解 RAG、Function Calling、Workflow、Multi-Agent 等核心范式；有规模化 AI 应用线上落地成果者优先。\n7. 工程素养：注重代码质量与系统可维护性，有良好的文档习惯与技术沉淀意识。\n1. 架构设计与技术主导：独立负责中大型项目的系统分析与架构设计，主导核心模块的方案选型与代码落地，确保业务需求高质量、可持续地交付。\n2. 大模型与 Agent 技术研发：深度参与大模型与 Agent 相关技术的研发与落地，覆盖意图理解、记忆机制、工具调用（Tool Use）、任务规划（Planning）、多智能体协同（Multi-Agent）等关键模块。\n3. AI 能力工程化落地：推动 AI 能力在交付与运维场景中的深度集成与创新应用，构建高性能、高可用、可扩展、开箱即用的工程体系。\n4. 技术影响力：制定团队技术规范与最佳实践，参与技术评审，培养并指导团队成员，持续提升团队整体技术水位。\n1. AI-Native 思维（必备）：伴随 AI 时代成长，将 AI 视为思维方式与基础工具而非附加项；习惯用大模型 / Agent / Copilot 重构自己的工作流（写代码、查资料、做设计、跑实验），并能将这种思维范式带入团队与系统设计中。具备一定年限的实战经验，能输出\"AI-Native\"理念下的真实产出，而非仅停留在概念层。\n2. 模型能力地图（必备）：熟悉当前主流大模型（Claude / GPT / Gemini / DeepSeek / Qwen / Kimi 等）的能力特征与边界——知道哪个模型适合写代码、哪个适合长上下文、哪个适合 Agent 调度、哪个适合多模态；能根据任务特点和成本预算做出合理选型，而不是\"无脑用一个模型打天下\"。\n3. Agent 工程与 Harness 实战（必备）：熟悉业界主流 AI CLI / Coding Agent 工具链（如 Claude Code、Codex、Cursor、Aider、Continue、Cline 等），用过、对比过、踩过坑；对 Agent 架构玩法（ReAct、Plan-and-Execute、Reflection、Multi-Agent、Subagent、Memory、Context Engineering 等）和 Harness 设计（System Prompt 编排、Tool 定义、权限模型、Hook 机制、Skill 化封装、Loop 控制等）有深度理解与自己的方法论，能讲清楚\"为什么这样设计 / 这样设计的代价是什么\"。\n4. 后端基础：5 年以上后端开发经验，其中至少 2 年架构设计经验；精通 Java，熟悉 Node.js / Python 中至少一门，熟悉分布式系统设计、高并发处理与大数据处理链路。\n5. 架构能力：具备从 0 到 1 设计中大型业务系统的完整经验，熟悉微服务、消息中间件、缓存、存储选型，能在性能、稳定性、成本之间做出合理权衡。\n6. AI 研发经验：具备大模型 / Agent 相关领域的学习或研发经验，理解 RAG、Function Calling、Workflow、Multi-Agent 等核心范式；有规模化 AI 应用线上落地成果者优先。\n7. 工程素养：注重代码质量与系统可维护性，有良好的文档习惯与技术沉淀意识。",
    "standard_classification": {
        "std_category_code": "T009",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}