主分类：Agent系统开发
辅助：大模型与生成式算法研发（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": "集团安全部-安全AGI交付算法专家-北京/杭州",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "北京 / 杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类-安全"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": "硕士",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "我们正在推动集团安全部的 AI-Native转型， 训出一个好模型，只是工作的一半。让模型在真实业务战场上打赢，在对抗环境下持续打赢——需要另一种算法能力：归因诊断、Harness 设计、后训练数据、从 bad case 到基模能力的闭环。\n我们在找这种算法专家。你是这支团队的负责人：不做基模训练，而是让基模与 Agent 在具体战场上发挥最大战力，并把战场上的真实弹药带回训练营。\n岗位职责\n1. 端到端解决方案设计与落地：深入业务线核心链路与关键风险点，把模糊的安全诉求翻译为可执行的 Agent 编排方案、数据方案与执行计划，对风控拦截率、内容合规率、漏洞修复时效等核心指标承担端到端责任。\n2. 效果归因与诊断：构建全链路归因体系，把效果问题的根因逐层定位到 harness 约束、数据质量、检索与上下文、模型能力等环节，让评测从\"判决\"走向\"归因\"，让优化有精确的入口。\n3. 效果优化与分层交付：专家级的 harness 与提示工程设计；在基模能力不足的场景设计后训练路径——高质量轨迹数据构建、蒸馏与知识注入、模型路由与分层交付策略（模型直用 / 优化增强 / 完整方案定制），持续抬高交付效果的天花板。\n4. 数据飞轮与能力回流：把一线 bad case、误报、人工纠偏结构化回流，翻译成对基模与平台的清晰能力要求，用交付数据驱动模型进化——每一次优化，都可能成为下一版基模的训练燃料。\n5. 沉淀高效、可泛化的交付体系：成为产品与战场之间的高保真信道，把客户通用需求、平台缺陷、产品改进点高保真地反馈给AI基建，推动平台标准化能力的演进，实现平台厚度与快速交付的正向循环。",
"requirements_text": "1. 算法能力（核心门槛）\n○ 多年大模型 / Agent 方向算法经验，深入理解 LLM 原理与应用范式，有端到端的效果提升实战案例；\n○ 有 Agent 系统实战：多轮工具调用、编排设计、上下文管理，熟悉 Agent 的常见失效模式（幻觉、指令偏离、边界越权、过程作弊）与对应优化手段；\n○ 精通 LLM 应用开发：RAG、检索排序、harness / prompt 工程；有后训练数据生产（SFT 数据、轨迹构建、蒸馏）经验者优先；\n○ 扎实的工程落地能力，至少精通 Python，能独立搭建评测与优化流水线。\n2. 领域经验\n○ 在风控、内容安全、数据安全、网络安全等至少一个安全域有实战功底，能理解业务风险语义并把它翻译成算法问题；\n○ 对安全攻防有自己的理解，能用 AI 的视角识别 AI 自身带来的新风险。\n3. 软实力\n○ 交付导向：能在模糊与不确定中找到可执行路径，对结果负责；\n○ 跨域沟通：能在业务方、基模团队、AI 平台团队之间建立有效协作；\n○ 成长型思维：把变化当机会，主动调整自己的技能结构；\n○ 适应一定强度的现场/驻场节奏，抗压能力强。\n我们用什么衡量你\n● 所负责业务线安全核心指标（拦截率、合规率、修复时效等）的可量化达成与提升；\n● 归因体系运转质量：问题定位速度、归因准确率；\n● AI Agent 自动化处置率与决策准确率；\n● 数据飞轮闭环效率：反馈回流时效、能力要求被基模侧采纳的比例；\n● 你沉淀的可复用资产被团队复用的次数：harness 模板、优化 playbook。\n我们能给你什么\n● 真实战场：阿里集团级别的业务体量与攻防强度，你的每一次优化都直接进入真实安全对抗，不是 demo。\n● 数据厚度：漏洞库、威胁情报、攻击模式等独家安全资产，加上一线真实 bad case——这是别处拿不到的算法燃料。\n● 定义权：交付侧的归因、评测、分层交付都没有行业标准答案，方法论由你定义。\n● 闭环成就感：你回流的 bad case 会成为下一版基模的训练数据，效果提升用双跑数据说话——算法人的正反馈回路是完整的。\n● 底座与成长：安全垂域基模（御风 / 息壤 / 镇枢）+ 生产级 Agent 平台（灵境 · 扶摇）构成智能大底座；技术纵深与管理纵深双通道。\n收束语\n这不是一份训模型的岗位，这是一份让模型打赢的岗位。\n如果你已经习惯了这样的日常——拿到一个效果不达标的场景，先归因，再动刀：改 harness、补数据、调路由，然后用评测集和双跑数据证明你赢了——\n并且你还想把这套打法，变成一支队伍的标准战法。\n欢迎投递，我们聊聊。",
"skills": [AI生成
"Python",
"大语言模型",
"检索增强生成",
"智能体开发"
],
"preferred_qualifications": "有后训练数据生产（SFT 数据、轨迹构建、蒸馏）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=100019760002"
}
]
},
"posting": {
"posting_id": "100019760002",
"post_date": "2026-08-19",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100019760002"
},
"fulltext": "集团安全部-安全AGI交付算法专家-北京/杭州\n集团安全部-安全AGI交付算法专家-北京/杭州\n\n基础信息\n职位类别：技术类-安全\n工作地点：北京 / 杭州\n\n职位描述\n我们正在推动集团安全部的 AI-Native转型， 训出一个好模型，只是工作的一半。让模型在真实业务战场上打赢，在对抗环境下持续打赢——需要另一种算法能力：归因诊断、Harness 设计、后训练数据、从 bad case 到基模能力的闭环。\n我们在找这种算法专家。你是这支团队的负责人：不做基模训练，而是让基模与 Agent 在具体战场上发挥最大战力，并把战场上的真实弹药带回训练营。\n岗位职责\n1. 端到端解决方案设计与落地：深入业务线核心链路与关键风险点，把模糊的安全诉求翻译为可执行的 Agent 编排方案、数据方案与执行计划，对风控拦截率、内容合规率、漏洞修复时效等核心指标承担端到端责任。\n2. 效果归因与诊断：构建全链路归因体系，把效果问题的根因逐层定位到 harness 约束、数据质量、检索与上下文、模型能力等环节，让评测从\"判决\"走向\"归因\"，让优化有精确的入口。\n3. 效果优化与分层交付：专家级的 harness 与提示工程设计；在基模能力不足的场景设计后训练路径——高质量轨迹数据构建、蒸馏与知识注入、模型路由与分层交付策略（模型直用 / 优化增强 / 完整方案定制），持续抬高交付效果的天花板。\n4. 数据飞轮与能力回流：把一线 bad case、误报、人工纠偏结构化回流，翻译成对基模与平台的清晰能力要求，用交付数据驱动模型进化——每一次优化，都可能成为下一版基模的训练燃料。\n5. 沉淀高效、可泛化的交付体系：成为产品与战场之间的高保真信道，把客户通用需求、平台缺陷、产品改进点高保真地反馈给AI基建，推动平台标准化能力的演进，实现平台厚度与快速交付的正向循环。\n\n职位要求\n1. 算法能力（核心门槛）\n○ 多年大模型 / Agent 方向算法经验，深入理解 LLM 原理与应用范式，有端到端的效果提升实战案例；\n○ 有 Agent 系统实战：多轮工具调用、编排设计、上下文管理，熟悉 Agent 的常见失效模式（幻觉、指令偏离、边界越权、过程作弊）与对应优化手段；\n○ 精通 LLM 应用开发：RAG、检索排序、harness / prompt 工程；有后训练数据生产（SFT 数据、轨迹构建、蒸馏）经验者优先；\n○ 扎实的工程落地能力，至少精通 Python，能独立搭建评测与优化流水线。\n2. 领域经验\n○ 在风控、内容安全、数据安全、网络安全等至少一个安全域有实战功底，能理解业务风险语义并把它翻译成算法问题；\n○ 对安全攻防有自己的理解，能用 AI 的视角识别 AI 自身带来的新风险。\n3. 软实力\n○ 交付导向：能在模糊与不确定中找到可执行路径，对结果负责；\n○ 跨域沟通：能在业务方、基模团队、AI 平台团队之间建立有效协作；\n○ 成长型思维：把变化当机会，主动调整自己的技能结构；\n○ 适应一定强度的现场/驻场节奏，抗压能力强。\n我们用什么衡量你\n● 所负责业务线安全核心指标（拦截率、合规率、修复时效等）的可量化达成与提升；\n● 归因体系运转质量：问题定位速度、归因准确率；\n● AI Agent 自动化处置率与决策准确率；\n● 数据飞轮闭环效率：反馈回流时效、能力要求被基模侧采纳的比例；\n● 你沉淀的可复用资产被团队复用的次数：harness 模板、优化 playbook。\n我们能给你什么\n● 真实战场：阿里集团级别的业务体量与攻防强度，你的每一次优化都直接进入真实安全对抗，不是 demo。\n● 数据厚度：漏洞库、威胁情报、攻击模式等独家安全资产，加上一线真实 bad case——这是别处拿不到的算法燃料。\n● 定义权：交付侧的归因、评测、分层交付都没有行业标准答案，方法论由你定义。\n● 闭环成就感：你回流的 bad case 会成为下一版基模的训练数据，效果提升用双跑数据说话——算法人的正反馈回路是完整的。\n● 底座与成长：安全垂域基模（御风 / 息壤 / 镇枢）+ 生产级 Agent 平台（灵境 · 扶摇）构成智能大底座；技术纵深与管理纵深双通道。\n收束语\n这不是一份训模型的岗位，这是一份让模型打赢的岗位。\n如果你已经习惯了这样的日常——拿到一个效果不达标的场景，先归因，再动刀：改 harness、补数据、调路由，然后用评测集和双跑数据证明你赢了——\n并且你还想把这套打法，变成一支队伍的标准战法。\n欢迎投递，我们聊聊。\n我们正在推动集团安全部的 AI-Native转型， 训出一个好模型，只是工作的一半。让模型在真实业务战场上打赢，在对抗环境下持续打赢——需要另一种算法能力：归因诊断、Harness 设计、后训练数据、从 bad case 到基模能力的闭环。\n我们在找这种算法专家。你是这支团队的负责人：不做基模训练，而是让基模与 Agent 在具体战场上发挥最大战力，并把战场上的真实弹药带回训练营。\n岗位职责\n1. 端到端解决方案设计与落地：深入业务线核心链路与关键风险点，把模糊的安全诉求翻译为可执行的 Agent 编排方案、数据方案与执行计划，对风控拦截率、内容合规率、漏洞修复时效等核心指标承担端到端责任。\n2. 效果归因与诊断：构建全链路归因体系，把效果问题的根因逐层定位到 harness 约束、数据质量、检索与上下文、模型能力等环节，让评测从\"判决\"走向\"归因\"，让优化有精确的入口。\n3. 效果优化与分层交付：专家级的 harness 与提示工程设计；在基模能力不足的场景设计后训练路径——高质量轨迹数据构建、蒸馏与知识注入、模型路由与分层交付策略（模型直用 / 优化增强 / 完整方案定制），持续抬高交付效果的天花板。\n4. 数据飞轮与能力回流：把一线 bad case、误报、人工纠偏结构化回流，翻译成对基模与平台的清晰能力要求，用交付数据驱动模型进化——每一次优化，都可能成为下一版基模的训练燃料。\n5. 沉淀高效、可泛化的交付体系：成为产品与战场之间的高保真信道，把客户通用需求、平台缺陷、产品改进点高保真地反馈给AI基建，推动平台标准化能力的演进，实现平台厚度与快速交付的正向循环。\n1. 算法能力（核心门槛）\n○ 多年大模型 / Agent 方向算法经验，深入理解 LLM 原理与应用范式，有端到端的效果提升实战案例；\n○ 有 Agent 系统实战：多轮工具调用、编排设计、上下文管理，熟悉 Agent 的常见失效模式（幻觉、指令偏离、边界越权、过程作弊）与对应优化手段；\n○ 精通 LLM 应用开发：RAG、检索排序、harness / prompt 工程；有后训练数据生产（SFT 数据、轨迹构建、蒸馏）经验者优先；\n○ 扎实的工程落地能力，至少精通 Python，能独立搭建评测与优化流水线。\n2. 领域经验\n○ 在风控、内容安全、数据安全、网络安全等至少一个安全域有实战功底，能理解业务风险语义并把它翻译成算法问题；\n○ 对安全攻防有自己的理解，能用 AI 的视角识别 AI 自身带来的新风险。\n3. 软实力\n○ 交付导向：能在模糊与不确定中找到可执行路径，对结果负责；\n○ 跨域沟通：能在业务方、基模团队、AI 平台团队之间建立有效协作；\n○ 成长型思维：把变化当机会，主动调整自己的技能结构；\n○ 适应一定强度的现场/驻场节奏，抗压能力强。\n我们用什么衡量你\n● 所负责业务线安全核心指标（拦截率、合规率、修复时效等）的可量化达成与提升；\n● 归因体系运转质量：问题定位速度、归因准确率；\n● AI Agent 自动化处置率与决策准确率；\n● 数据飞轮闭环效率：反馈回流时效、能力要求被基模侧采纳的比例；\n● 你沉淀的可复用资产被团队复用的次数：harness 模板、优化 playbook。\n我们能给你什么\n● 真实战场：阿里集团级别的业务体量与攻防强度，你的每一次优化都直接进入真实安全对抗，不是 demo。\n● 数据厚度：漏洞库、威胁情报、攻击模式等独家安全资产，加上一线真实 bad case——这是别处拿不到的算法燃料。\n● 定义权：交付侧的归因、评测、分层交付都没有行业标准答案，方法论由你定义。\n● 闭环成就感：你回流的 bad case 会成为下一版基模的训练数据，效果提升用双跑数据说话——算法人的正反馈回路是完整的。\n● 底座与成长：安全垂域基模（御风 / 息壤 / 镇枢）+ 生产级 Agent 平台（灵境 · 扶摇）构成智能大底座；技术纵深与管理纵深双通道。\n收束语\n这不是一份训模型的岗位，这是一份让模型打赢的岗位。\n如果你已经习惯了这样的日常——拿到一个效果不达标的场景，先归因，再动刀：改 harness、补数据、调路由，然后用评测集和双跑数据证明你赢了——\n并且你还想把这套打法，变成一支队伍的标准战法。\n欢迎投递，我们聊聊。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}