{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "业务技术-AI应用研发工程师-Agent 平台方向",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "淘天集团",
        "location": "杭州",
        "work_mode": "未披露",AI生成
        "job_category": "软件研发"AI生成
    },
    "company": {
        "company_name": "淘天集团",
        "company_industry": "电子商务",
        "company_size": "未披露",
        "company_website": "alibaba.com",
        "company_description": "淘天集团的招聘业务覆盖淘宝、天猫等电商平台。"
    },
    "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": "职位描述：聚焦淘天核心业务与场景，利用大模型、Agent、工具调用、上下文工程、评测等技术，推动 AI 在真实业务与研发工作流中的规模化落地。你将参与淘天核心 AI 平台的建设，从业务意图理解、上下文构建、任务拆解、Agent 执行、产物生成，到效果评测、过程追踪与经验沉淀，完整参与 AI 能力从单点验证到平台化落地的全过程。\n1. 需求理解与任务建模：深入业务与研发场景，理解真实业务目标、研发流程和协作痛点，识别高价值 AI 落地问题；将模糊的业务需求、研发诉求或效率问题，转化为明确的、可验证的 Agent 执行目标。\n2. Agent 系统架构设计：面向具体业务和研发任务，设计 AI Agent 系统架构；参与 Agent Runtime、Agent 编排、工具调用、权限控制、上下文管理、记忆机制、Trace 体系等核心模块规划，兼顾系统灵活性、可扩展性、稳定性与工程可落地性。\n3. 知识、上下文与执行环境构建：搭建 Agent 与现有业务系统、研发工具链和知识体系的交互环境，涵盖 API 接入、代码仓库、文档系统、需求系统、CI/CD、测试平台、设计平台等；构建面向 Agent 执行的上下文组织与注入机制，优化知识召回、上下文压缩、工具选择和任务环境准备，为模型提供准确、及时、可追踪的执行环境。\n4. Trace、观测与归因体系建设：构建 Agent 全链路观测与 Trace 体系，记录 Agent 执行过程中的上下文输入、工具调用、文件变更、测试结果、人工干预、失败原因和最终产物；支持对 Agent 行为、任务效果、失败 case、成本和性能进行多维分析与归因，为后续优化和规模化落地提供依据。\n5. 评测、回测与持续优化：建立自动化评测、回测和 case 分析机制，围绕真实业务任务构建评测数据集、验证标准和效果指标；通过模型选择、上下文优化、工具链改造、Prompt / Skill 调整、Workflow 编排等方式，持续提升 Agent 的任务成功率、稳定性、可控性和交付质量。\n6. 系统性能与稳定性优化：面向真实生产环境和高频场景，优化 Agent 系统在并发、延迟、成本、稳定性和安全性方面的表现，保障系统长期稳定运行。",
        "requirements_text": "必备要求\n1. 计算机、软件工程、人工智能或相关专业背景，具备扎实的软件工程基础和系统设计能力。\n2. 熟悉至少一种主流开发语言，如 Java、Python、TypeScript / JavaScript、Go 等，具备良好的编码能力、工程抽象能力和复杂系统实现经验。\n3. 对大模型、AI Agent、工具调用、RAG、上下文工程、Workflow 编排等方向有实际理解或项目经验。\n4. 能够理解业务问题，并将模糊问题拆解为可执行、可验证、可迭代的技术方案。\n5. 具备较强的问题定位和系统调优能力，能够基于数据、日志、Trace 和 case 分析持续优化系统效果。\n6. 具备良好的沟通协作能力，能够与产品、算法、工程、测试和业务团队共同推进复杂 AI 项目落地。\n7. 对 AI 技术在真实业务和研发流程中的应用有强烈兴趣，愿意在不确定性较高的场景中持续探索和快速迭代。\n加分项\n1. 有 LangChain、LangGraph、Mastra 等 Agent 框架实践经验，有从0到1的Agent设计或平台工程经验者优先。\n2. 有 RAG、向量检索、知识库、记忆系统、召回优化相关经验者优先。\n3. 有开源项目、技术博客，持续你跟进并实践 AI 技术者优先。",
        "skills": [AI生成
            "Python",
            "JavaScript",
            "TypeScript",
            "Java",
            "Go",
            "大语言模型",
            "检索增强生成",
            "智能体开发"
        ],
        "preferred_qualifications": "加分项；1. 有 LangChain、LangGraph、Mastra 等 Agent 框架实践经验，有从0到1的Agent设计或平台工程经验者优先；2. 有 RAG、向量检索、知识库、记忆系统、召回优化相关经验者优先；3. 有开源项目、技术博客，持续你跟进并实践 AI 技术者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://talent.taotian.com/off-campus/position-detail?positionId=100021060006"
            }
        ]
    },
    "posting": {
        "posting_id": "100021060006",
        "post_date": "2026-07-31",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://talent.taotian.com/off-campus/position-detail?positionId=100021060006"
    },
    "fulltext": "业务技术-AI应用研发工程师-Agent 平台方向\n业务技术-AI应用研发工程师-Agent 平台方向\n\n基础信息\n工作地点：杭州\n\n职位描述\n职位描述：聚焦淘天核心业务与场景，利用大模型、Agent、工具调用、上下文工程、评测等技术，推动 AI 在真实业务与研发工作流中的规模化落地。你将参与淘天核心 AI 平台的建设，从业务意图理解、上下文构建、任务拆解、Agent 执行、产物生成，到效果评测、过程追踪与经验沉淀，完整参与 AI 能力从单点验证到平台化落地的全过程。\n1. 需求理解与任务建模：深入业务与研发场景，理解真实业务目标、研发流程和协作痛点，识别高价值 AI 落地问题；将模糊的业务需求、研发诉求或效率问题，转化为明确的、可验证的 Agent 执行目标。\n2. Agent 系统架构设计：面向具体业务和研发任务，设计 AI Agent 系统架构；参与 Agent Runtime、Agent 编排、工具调用、权限控制、上下文管理、记忆机制、Trace 体系等核心模块规划，兼顾系统灵活性、可扩展性、稳定性与工程可落地性。\n3. 知识、上下文与执行环境构建：搭建 Agent 与现有业务系统、研发工具链和知识体系的交互环境，涵盖 API 接入、代码仓库、文档系统、需求系统、CI/CD、测试平台、设计平台等；构建面向 Agent 执行的上下文组织与注入机制，优化知识召回、上下文压缩、工具选择和任务环境准备，为模型提供准确、及时、可追踪的执行环境。\n4. Trace、观测与归因体系建设：构建 Agent 全链路观测与 Trace 体系，记录 Agent 执行过程中的上下文输入、工具调用、文件变更、测试结果、人工干预、失败原因和最终产物；支持对 Agent 行为、任务效果、失败 case、成本和性能进行多维分析与归因，为后续优化和规模化落地提供依据。\n5. 评测、回测与持续优化：建立自动化评测、回测和 case 分析机制，围绕真实业务任务构建评测数据集、验证标准和效果指标；通过模型选择、上下文优化、工具链改造、Prompt / Skill 调整、Workflow 编排等方式，持续提升 Agent 的任务成功率、稳定性、可控性和交付质量。\n6. 系统性能与稳定性优化：面向真实生产环境和高频场景，优化 Agent 系统在并发、延迟、成本、稳定性和安全性方面的表现，保障系统长期稳定运行。\n\n职位要求\n必备要求\n1. 计算机、软件工程、人工智能或相关专业背景，具备扎实的软件工程基础和系统设计能力。\n2. 熟悉至少一种主流开发语言，如 Java、Python、TypeScript / JavaScript、Go 等，具备良好的编码能力、工程抽象能力和复杂系统实现经验。\n3. 对大模型、AI Agent、工具调用、RAG、上下文工程、Workflow 编排等方向有实际理解或项目经验。\n4. 能够理解业务问题，并将模糊问题拆解为可执行、可验证、可迭代的技术方案。\n5. 具备较强的问题定位和系统调优能力，能够基于数据、日志、Trace 和 case 分析持续优化系统效果。\n6. 具备良好的沟通协作能力，能够与产品、算法、工程、测试和业务团队共同推进复杂 AI 项目落地。\n7. 对 AI 技术在真实业务和研发流程中的应用有强烈兴趣，愿意在不确定性较高的场景中持续探索和快速迭代。\n加分项\n1. 有 LangChain、LangGraph、Mastra 等 Agent 框架实践经验，有从0到1的Agent设计或平台工程经验者优先。\n2. 有 RAG、向量检索、知识库、记忆系统、召回优化相关经验者优先。\n3. 有开源项目、技术博客，持续你跟进并实践 AI 技术者优先。\n职位描述：聚焦淘天核心业务与场景，利用大模型、Agent、工具调用、上下文工程、评测等技术，推动 AI 在真实业务与研发工作流中的规模化落地。你将参与淘天核心 AI 平台的建设，从业务意图理解、上下文构建、任务拆解、Agent 执行、产物生成，到效果评测、过程追踪与经验沉淀，完整参与 AI 能力从单点验证到平台化落地的全过程。\n1. 需求理解与任务建模：深入业务与研发场景，理解真实业务目标、研发流程和协作痛点，识别高价值 AI 落地问题；将模糊的业务需求、研发诉求或效率问题，转化为明确的、可验证的 Agent 执行目标。\n2. Agent 系统架构设计：面向具体业务和研发任务，设计 AI Agent 系统架构；参与 Agent Runtime、Agent 编排、工具调用、权限控制、上下文管理、记忆机制、Trace 体系等核心模块规划，兼顾系统灵活性、可扩展性、稳定性与工程可落地性。\n3. 知识、上下文与执行环境构建：搭建 Agent 与现有业务系统、研发工具链和知识体系的交互环境，涵盖 API 接入、代码仓库、文档系统、需求系统、CI/CD、测试平台、设计平台等；构建面向 Agent 执行的上下文组织与注入机制，优化知识召回、上下文压缩、工具选择和任务环境准备，为模型提供准确、及时、可追踪的执行环境。\n4. Trace、观测与归因体系建设：构建 Agent 全链路观测与 Trace 体系，记录 Agent 执行过程中的上下文输入、工具调用、文件变更、测试结果、人工干预、失败原因和最终产物；支持对 Agent 行为、任务效果、失败 case、成本和性能进行多维分析与归因，为后续优化和规模化落地提供依据。\n5. 评测、回测与持续优化：建立自动化评测、回测和 case 分析机制，围绕真实业务任务构建评测数据集、验证标准和效果指标；通过模型选择、上下文优化、工具链改造、Prompt / Skill 调整、Workflow 编排等方式，持续提升 Agent 的任务成功率、稳定性、可控性和交付质量。\n6. 系统性能与稳定性优化：面向真实生产环境和高频场景，优化 Agent 系统在并发、延迟、成本、稳定性和安全性方面的表现，保障系统长期稳定运行。\n必备要求\n1. 计算机、软件工程、人工智能或相关专业背景，具备扎实的软件工程基础和系统设计能力。\n2. 熟悉至少一种主流开发语言，如 Java、Python、TypeScript / JavaScript、Go 等，具备良好的编码能力、工程抽象能力和复杂系统实现经验。\n3. 对大模型、AI Agent、工具调用、RAG、上下文工程、Workflow 编排等方向有实际理解或项目经验。\n4. 能够理解业务问题，并将模糊问题拆解为可执行、可验证、可迭代的技术方案。\n5. 具备较强的问题定位和系统调优能力，能够基于数据、日志、Trace 和 case 分析持续优化系统效果。\n6. 具备良好的沟通协作能力，能够与产品、算法、工程、测试和业务团队共同推进复杂 AI 项目落地。\n7. 对 AI 技术在真实业务和研发流程中的应用有强烈兴趣，愿意在不确定性较高的场景中持续探索和快速迭代。\n加分项\n1. 有 LangChain、LangGraph、Mastra 等 Agent 框架实践经验，有从0到1的Agent设计或平台工程经验者优先。\n2. 有 RAG、向量检索、知识库、记忆系统、召回优化相关经验者优先。\n3. 有开源项目、技术博客，持续你跟进并实践 AI 技术者优先。",
    "standard_classification": {
        "std_category_code": "T009",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}