主分类：Agent系统开发
辅助：网络信息安全（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": "千问办公-AI 全栈工程师-工作台",
"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": "钉钉",
"company_industry": "企业服务 / 协同办公",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "钉钉提供企业沟通、协同办公和组织数字化工具。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "本科",
"language": "6.持续跟进 AI 领域前沿，能独立消化英文一手资料并转化为工程实践",AI生成
"visa_support": "未披露",
"responsibilities": "1.负责 AI 工作台企业级管控平台的服务端架构与核心开发，围绕多租户隔离、权限模型、配额计费、模型与工具准入等核心域，构建面向企业客户的云原生管控底座。\n2.主导 AI 应用与 Agent 运行链路的安全加固，涵盖身份认证、密钥托管与透明替换、数据脱敏、提示词注入防护、内容安全护栏与运行时行为约束，确保企业场景下零密钥外泄、可管可控。\n3.设计全链路审计体系，覆盖用户请求、Agent 决策、工具调用、模型出入参等关键事件的采集、留痕与合规导出，支撑安全审计与事后追溯。\n4.构建 AI 应用可观测性基础设施——基于 OpenTelemetry 实现 Tracing / Logging /Metrics 全覆盖，结合评测体系、灰度发布与根因分析，形成持续迭代闭环。\n5.设计企业数据与工具接入方案，包括 MCP 数据源集成、智能路由、结构化数据查询与向量检索，使 Agent 在受控范围内可靠获取企业内部信息。\n6.参与模型与工具的智能编排，根据任务复杂度、延迟、成本与安全等级动态选择最合适的模型与工具组合。",
"requirements_text": "1.扎实的服务端工程能力，熟练使用 Java / Python / Go 中至少一门语言，具备高可用分布式系统的设计与落地经验。\n2.熟悉云原生技术体系：Kubernetes、Docker、Service Mesh、微服务治理，有基于K8s 构建或运维生产级服务的实际经验。\n3.熟悉主流 LLM API 范式与 Agent 框架，理解 Context Window、Function Calling、MCP 协议等核心概念，具备实际的接口设计与调试经验。\n4.具备 Prompt Engineering 与 Context Engineering 实战经验，能系统性地设计、评测和工程化沉淀 Prompt。\n5.熟悉企业级安全基础组件：身份认证与授权、密钥管理、审计日志、数据脱敏、API网关与流控，有安全合规落地经验者优先。\n6.持续跟进 AI 领域前沿，能独立消化英文一手资料并转化为工程实践；习惯使用 AI 编码 Agent 辅助开发，专注于架构决策与质量把控。\n加分项\n1.有 AI Infra / LLMOps / Agent 平台等基础设施建设经验，熟悉多模型统一接入、限流熔断、内容安全等能力的落地。\n2.有 AI Guardrail / Harness 方向的探索经验，如 Agent 执行链路中的运行时校验与自动纠偏机制。\n3.有企业安全、合规审计（等保 / GDPR）相关项目经验，或参与过面向 B 端的私有化/ 混合云交付。\n4.有借助 AI Agent 独立完成大规模工程任务的经历，或有可展示的开源项目与社区影响力。",
"skills": [AI生成
"Python",
"Java",
"Docker",
"Kubernetes",
"分布式系统",
"微服务",
"接口设计",
"审计",
"Go",
"大语言模型",
"智能体开发"
],
"preferred_qualifications": "5.熟悉企业级安全基础组件：身份认证与授权、密钥管理、审计日志、数据脱敏、API网关与流控，有安全合规落地经验者优先；加分项",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.dingtalk.com/off-campus/position-detail?positionId=100025220006"
}
]
},
"posting": {
"posting_id": "100025220006",
"post_date": "2026-09-10",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.dingtalk.com/off-campus/position-detail?positionId=100025220006"
},
"fulltext": "千问办公-AI 全栈工程师-工作台\n千问办公-AI 全栈工程师-工作台\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\n1.负责 AI 工作台企业级管控平台的服务端架构与核心开发，围绕多租户隔离、权限模型、配额计费、模型与工具准入等核心域，构建面向企业客户的云原生管控底座。\n2.主导 AI 应用与 Agent 运行链路的安全加固，涵盖身份认证、密钥托管与透明替换、数据脱敏、提示词注入防护、内容安全护栏与运行时行为约束，确保企业场景下零密钥外泄、可管可控。\n3.设计全链路审计体系，覆盖用户请求、Agent 决策、工具调用、模型出入参等关键事件的采集、留痕与合规导出，支撑安全审计与事后追溯。\n4.构建 AI 应用可观测性基础设施——基于 OpenTelemetry 实现 Tracing / Logging /Metrics 全覆盖，结合评测体系、灰度发布与根因分析，形成持续迭代闭环。\n5.设计企业数据与工具接入方案，包括 MCP 数据源集成、智能路由、结构化数据查询与向量检索，使 Agent 在受控范围内可靠获取企业内部信息。\n6.参与模型与工具的智能编排，根据任务复杂度、延迟、成本与安全等级动态选择最合适的模型与工具组合。\n\n职位要求\n1.扎实的服务端工程能力，熟练使用 Java / Python / Go 中至少一门语言，具备高可用分布式系统的设计与落地经验。\n2.熟悉云原生技术体系：Kubernetes、Docker、Service Mesh、微服务治理，有基于K8s 构建或运维生产级服务的实际经验。\n3.熟悉主流 LLM API 范式与 Agent 框架，理解 Context Window、Function Calling、MCP 协议等核心概念，具备实际的接口设计与调试经验。\n4.具备 Prompt Engineering 与 Context Engineering 实战经验，能系统性地设计、评测和工程化沉淀 Prompt。\n5.熟悉企业级安全基础组件：身份认证与授权、密钥管理、审计日志、数据脱敏、API网关与流控，有安全合规落地经验者优先。\n6.持续跟进 AI 领域前沿，能独立消化英文一手资料并转化为工程实践；习惯使用 AI 编码 Agent 辅助开发，专注于架构决策与质量把控。\n加分项\n1.有 AI Infra / LLMOps / Agent 平台等基础设施建设经验，熟悉多模型统一接入、限流熔断、内容安全等能力的落地。\n2.有 AI Guardrail / Harness 方向的探索经验，如 Agent 执行链路中的运行时校验与自动纠偏机制。\n3.有企业安全、合规审计（等保 / GDPR）相关项目经验，或参与过面向 B 端的私有化/ 混合云交付。\n4.有借助 AI Agent 独立完成大规模工程任务的经历，或有可展示的开源项目与社区影响力。\n1.负责 AI 工作台企业级管控平台的服务端架构与核心开发，围绕多租户隔离、权限模型、配额计费、模型与工具准入等核心域，构建面向企业客户的云原生管控底座。\n2.主导 AI 应用与 Agent 运行链路的安全加固，涵盖身份认证、密钥托管与透明替换、数据脱敏、提示词注入防护、内容安全护栏与运行时行为约束，确保企业场景下零密钥外泄、可管可控。\n3.设计全链路审计体系，覆盖用户请求、Agent 决策、工具调用、模型出入参等关键事件的采集、留痕与合规导出，支撑安全审计与事后追溯。\n4.构建 AI 应用可观测性基础设施——基于 OpenTelemetry 实现 Tracing / Logging /Metrics 全覆盖，结合评测体系、灰度发布与根因分析，形成持续迭代闭环。\n5.设计企业数据与工具接入方案，包括 MCP 数据源集成、智能路由、结构化数据查询与向量检索，使 Agent 在受控范围内可靠获取企业内部信息。\n6.参与模型与工具的智能编排，根据任务复杂度、延迟、成本与安全等级动态选择最合适的模型与工具组合。\n1.扎实的服务端工程能力，熟练使用 Java / Python / Go 中至少一门语言，具备高可用分布式系统的设计与落地经验。\n2.熟悉云原生技术体系：Kubernetes、Docker、Service Mesh、微服务治理，有基于K8s 构建或运维生产级服务的实际经验。\n3.熟悉主流 LLM API 范式与 Agent 框架，理解 Context Window、Function Calling、MCP 协议等核心概念，具备实际的接口设计与调试经验。\n4.具备 Prompt Engineering 与 Context Engineering 实战经验，能系统性地设计、评测和工程化沉淀 Prompt。\n5.熟悉企业级安全基础组件：身份认证与授权、密钥管理、审计日志、数据脱敏、API网关与流控，有安全合规落地经验者优先。\n6.持续跟进 AI 领域前沿，能独立消化英文一手资料并转化为工程实践；习惯使用 AI 编码 Agent 辅助开发，专注于架构决策与质量把控。\n加分项\n1.有 AI Infra / LLMOps / Agent 平台等基础设施建设经验，熟悉多模型统一接入、限流熔断、内容安全等能力的落地。\n2.有 AI Guardrail / Harness 方向的探索经验，如 Agent 执行链路中的运行时校验与自动纠偏机制。\n3.有企业安全、合规审计（等保 / GDPR）相关项目经验，或参与过面向 B 端的私有化/ 混合云交付。\n4.有借助 AI Agent 独立完成大规模工程任务的经历，或有可展示的开源项目与社区影响力。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T023"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}