主分类：Agent系统开发
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": "业务技术-AI应用研发工程师-内容消费",
"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": "我们提供："
},
"requirements": {
"working_years": 1,
"degree": "计算机相关专业本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "我们正在寻找对 AI Agent 技术充满热情、具备扎实工程能力的开发工程师，共同构建下一代智能体系统。你将深度参与 AI Agent 核心链路的研发与优化，推动大模型能力在真实业务场景中的高效、稳定落地，把模型能力转化为可交付的业务价值。\n主要职责：\n1. Agent 架构设计：参与 Agent 系统核心模块的设计与落地，覆盖任务规划、推理执行、上下文增强、记忆管理、工具编排以及运行时稳定性保障；在多 Agent 协作、子任务分发、异常自愈等关键问题上提出可落地的工程方案。\n2. 业务核心能力落地：深度对接业务场景，将通用 Agent 框架沉淀为面向业务的可复用能力组件；负责从需求拆解、Prompt/工作流设计、工具与数据接入、灰度上线到效果回流的全链路交付，确保 Agent 在真实流量下满足业务的准确率、时延与成本指标。\n3. Agent 评测与持续调优迭代：搭建覆盖离线评测集 + 在线 A/B + 用户反馈回流的 Agent 评测体系，建立 Bad Case 归因与回归机制，持续驱动 Prompt、模型、工具与编排策略的迭代，让 Agent 能力以可度量的方式稳步提升。\n4. 性能与成本优化：针对推理时延、Token 消耗、调用链路长度等关键瓶颈进行系统性优化，在保证效果的前提下显著降低单次任务成本与时延，建立成本可观测与预算治理机制。\n5. 跟踪大模型与 AI Agent 前沿技术：持续跟踪 LLM、多模态模型、Agent 框架、强化学习与后训练、Agentic RAG、MCP 生态等方向的前沿进展，将有价值的技术快速完成内部预研、原型验证与生产化引入。\n我们提供：\n1. 参与前沿 AI 技术落地的机会，与顶尖算法和工程团队共事；\n2. 顶级的工程研发环境，直接使用最前沿的大模型矩阵，没有算力焦虑，我们来为优秀的创新想法买单；\n3. 开放、创新、结果导向的技术文化。",
"requirements_text": "1. 计算机相关专业本科及以上学历，1年以上后端 / 算法工程 / AI 应用研发经验，熟练掌握 Python，熟悉至少一门工程语言（Java/Go/TypeScript）。\n2. 深入理解大模型基本原理与工程化实践，熟悉 Prompt Engineering、RAG、Function Calling、Agent 编排范式，有基于 LangGraph、LlamaIndex、AutoGen、Dify、AgentScope等框架的实战经验者优先。\n3. 具备扎实的系统设计能力，熟悉高并发、分布式、可观测性体系，能独立完成从 0 到 1 的服务搭建与线上稳定性保障。\n4. 至少有一段将 AI Agent / LLM 应用推上 C 端或 B 端真实业务、并对核心指标负责的端到端落地经验。\n5. 具有持续学习意愿，业务结果导向，能在快速变化的技术环境中保持判断力。\n加分项：\n1. 有多 Agent 系统、Agentic Workflow、Agent 评测平台、模型微调或后训练经验。\n2. 在 AI Agent / LLM 方向有开源项目、技术博客、专利或顶会论文产出。\n3. 有内容、社区、用户增长、商业化等 C 端业务场景的 AI 落地经验。",
"skills": [AI生成
"Python",
"TypeScript",
"Java",
"模型微调",
"Go",
"大语言模型",
"检索增强生成",
"智能体开发"
],
"preferred_qualifications": "2. 深入理解大模型基本原理与工程化实践，熟悉 Prompt Engineering、RAG、Function Calling、Agent 编排范式，有基于 LangGraph、LlamaIndex、AutoGen、Dify、AgentScope等框架的实战经验者优先；加分项：",
"job_highlights": "我们提供："
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.taotian.com/off-campus/position-detail?positionId=100021080009"
}
]
},
"posting": {
"posting_id": "100021080009",
"post_date": "2026-07-31",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.taotian.com/off-campus/position-detail?positionId=100021080009"
},
"fulltext": "业务技术-AI应用研发工程师-内容消费\n业务技术-AI应用研发工程师-内容消费\n\n基础信息\n工作地点：杭州\n\n职位描述\n我们正在寻找对 AI Agent 技术充满热情、具备扎实工程能力的开发工程师，共同构建下一代智能体系统。你将深度参与 AI Agent 核心链路的研发与优化，推动大模型能力在真实业务场景中的高效、稳定落地，把模型能力转化为可交付的业务价值。\n主要职责：\n1. Agent 架构设计：参与 Agent 系统核心模块的设计与落地，覆盖任务规划、推理执行、上下文增强、记忆管理、工具编排以及运行时稳定性保障；在多 Agent 协作、子任务分发、异常自愈等关键问题上提出可落地的工程方案。\n2. 业务核心能力落地：深度对接业务场景，将通用 Agent 框架沉淀为面向业务的可复用能力组件；负责从需求拆解、Prompt/工作流设计、工具与数据接入、灰度上线到效果回流的全链路交付，确保 Agent 在真实流量下满足业务的准确率、时延与成本指标。\n3. Agent 评测与持续调优迭代：搭建覆盖离线评测集 + 在线 A/B + 用户反馈回流的 Agent 评测体系，建立 Bad Case 归因与回归机制，持续驱动 Prompt、模型、工具与编排策略的迭代，让 Agent 能力以可度量的方式稳步提升。\n4. 性能与成本优化：针对推理时延、Token 消耗、调用链路长度等关键瓶颈进行系统性优化，在保证效果的前提下显著降低单次任务成本与时延，建立成本可观测与预算治理机制。\n5. 跟踪大模型与 AI Agent 前沿技术：持续跟踪 LLM、多模态模型、Agent 框架、强化学习与后训练、Agentic RAG、MCP 生态等方向的前沿进展，将有价值的技术快速完成内部预研、原型验证与生产化引入。\n我们提供：\n1. 参与前沿 AI 技术落地的机会，与顶尖算法和工程团队共事；\n2. 顶级的工程研发环境，直接使用最前沿的大模型矩阵，没有算力焦虑，我们来为优秀的创新想法买单；\n3. 开放、创新、结果导向的技术文化。\n\n职位要求\n1. 计算机相关专业本科及以上学历，1年以上后端 / 算法工程 / AI 应用研发经验，熟练掌握 Python，熟悉至少一门工程语言（Java/Go/TypeScript）。\n2. 深入理解大模型基本原理与工程化实践，熟悉 Prompt Engineering、RAG、Function Calling、Agent 编排范式，有基于 LangGraph、LlamaIndex、AutoGen、Dify、AgentScope等框架的实战经验者优先。\n3. 具备扎实的系统设计能力，熟悉高并发、分布式、可观测性体系，能独立完成从 0 到 1 的服务搭建与线上稳定性保障。\n4. 至少有一段将 AI Agent / LLM 应用推上 C 端或 B 端真实业务、并对核心指标负责的端到端落地经验。\n5. 具有持续学习意愿，业务结果导向，能在快速变化的技术环境中保持判断力。\n加分项：\n1. 有多 Agent 系统、Agentic Workflow、Agent 评测平台、模型微调或后训练经验。\n2. 在 AI Agent / LLM 方向有开源项目、技术博客、专利或顶会论文产出。\n3. 有内容、社区、用户增长、商业化等 C 端业务场景的 AI 落地经验。\n我们正在寻找对 AI Agent 技术充满热情、具备扎实工程能力的开发工程师，共同构建下一代智能体系统。你将深度参与 AI Agent 核心链路的研发与优化，推动大模型能力在真实业务场景中的高效、稳定落地，把模型能力转化为可交付的业务价值。\n主要职责：\n1. Agent 架构设计：参与 Agent 系统核心模块的设计与落地，覆盖任务规划、推理执行、上下文增强、记忆管理、工具编排以及运行时稳定性保障；在多 Agent 协作、子任务分发、异常自愈等关键问题上提出可落地的工程方案。\n2. 业务核心能力落地：深度对接业务场景，将通用 Agent 框架沉淀为面向业务的可复用能力组件；负责从需求拆解、Prompt/工作流设计、工具与数据接入、灰度上线到效果回流的全链路交付，确保 Agent 在真实流量下满足业务的准确率、时延与成本指标。\n3. Agent 评测与持续调优迭代：搭建覆盖离线评测集 + 在线 A/B + 用户反馈回流的 Agent 评测体系，建立 Bad Case 归因与回归机制，持续驱动 Prompt、模型、工具与编排策略的迭代，让 Agent 能力以可度量的方式稳步提升。\n4. 性能与成本优化：针对推理时延、Token 消耗、调用链路长度等关键瓶颈进行系统性优化，在保证效果的前提下显著降低单次任务成本与时延，建立成本可观测与预算治理机制。\n5. 跟踪大模型与 AI Agent 前沿技术：持续跟踪 LLM、多模态模型、Agent 框架、强化学习与后训练、Agentic RAG、MCP 生态等方向的前沿进展，将有价值的技术快速完成内部预研、原型验证与生产化引入。\n我们提供：\n1. 参与前沿 AI 技术落地的机会，与顶尖算法和工程团队共事；\n2. 顶级的工程研发环境，直接使用最前沿的大模型矩阵，没有算力焦虑，我们来为优秀的创新想法买单；\n3. 开放、创新、结果导向的技术文化。\n1. 计算机相关专业本科及以上学历，1年以上后端 / 算法工程 / AI 应用研发经验，熟练掌握 Python，熟悉至少一门工程语言（Java/Go/TypeScript）。\n2. 深入理解大模型基本原理与工程化实践，熟悉 Prompt Engineering、RAG、Function Calling、Agent 编排范式，有基于 LangGraph、LlamaIndex、AutoGen、Dify、AgentScope等框架的实战经验者优先。\n3. 具备扎实的系统设计能力，熟悉高并发、分布式、可观测性体系，能独立完成从 0 到 1 的服务搭建与线上稳定性保障。\n4. 至少有一段将 AI Agent / LLM 应用推上 C 端或 B 端真实业务、并对核心指标负责的端到端落地经验。\n5. 具有持续学习意愿，业务结果导向，能在快速变化的技术环境中保持判断力。\n加分项：\n1. 有多 Agent 系统、Agentic Workflow、Agent 评测平台、模型微调或后训练经验。\n2. 在 AI Agent / LLM 方向有开源项目、技术博客、专利或顶会论文产出。\n3. 有内容、社区、用户增长、商业化等 C 端业务场景的 AI 落地经验。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}