主分类：AI模型评测工程
辅助：Agent系统开发（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-Agent Infra研发工程师-AI基础平台",
"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": "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": "本科",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "● 负责上下文管理&Memory系统研发，覆盖上下文抽取、存储、检索、更新（冲突处理和遗忘机制），持续优化召回质量和任务效果\n● 负责Benchmark建设与评测体系搭建，结合业界开源Benchmark与业务深度协作，沉淀网络安全、内容安全、行为安全等多场景下真实业务的端到端评测方案，看清能力水位；同时支撑大规模复杂并发任务，保障工具调用的稳定性\n● 负责Harness持续优化，以评测数据驱动归因分析与问题修复，建立\"归因—修复—验证\"闭环，提升业务效果，并在保障效果的同时持续降低Token成本",
"requirements_text": "● 扎实的工程能力：熟练掌握 Python、Java、C++ 等至少一种编程语言，具备良好的系统设计和工程化能力；熟悉分布式任务调度及 Docker、Kubernetes 等容器化技术\n● LLM 与 Agent 领域经验：深入理解大语言模型的工作原理与能力边界，有 Agent 框架（如 ReAct、Tool-use、Multi-Agent 编排）的实际使用或开发经验\n● 评测与数据分析能力：具备 Benchmark 和评测指标设计经验，理解任务完成率、pass@k、评测一致性、区分度及数据质量控制, 能够完成根因分析并推动优化方案落地; 熟悉主流 Agent 评测方法论（如 τ-bench、SWE-bench、过程评测与结果评测对比）\n●上下文&Memory：熟悉 RAG、Embedding、向量数据库及检索重排，理解记忆生成、召回、更新、去重、冲突处理和遗忘等完整生命周期；能够量化评估 Memory 对业务效果、时延及成本的影响。\n● 具备良好的跨团队沟通能力，能与算法、工程、产品团队协作推动评测结果落地；对 Agent 能力评测有持续好奇心，关注行业最新进展（代码 Agent、安全 Agent、通用推理 Agent），能主动发现评测体系中的盲区并驱动改进\n加分项\n● 有 Token 成本优化经验，能够量化 Prompt 压缩、缓存、模型路由等策略的效果与成本权衡\n● 有开源评测框架或者Memory贡献作为加分项",
"skills": [AI生成
"Python",
"Java",
"C++",
"Docker",
"Kubernetes",
"React",
"数据库",
"数据分析",
"团队协作",
"沟通能力",
"分析能力",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "加分项；● 有开源评测框架或者Memory贡献作为加分项",
"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=100025220013"
}
]
},
"posting": {
"posting_id": "100025220013",
"post_date": "2026-08-25",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100025220013"
},
"fulltext": "集团安全部-Agent Infra研发工程师-AI基础平台\n集团安全部-Agent Infra研发工程师-AI基础平台\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\n● 负责上下文管理&Memory系统研发，覆盖上下文抽取、存储、检索、更新（冲突处理和遗忘机制），持续优化召回质量和任务效果\n● 负责Benchmark建设与评测体系搭建，结合业界开源Benchmark与业务深度协作，沉淀网络安全、内容安全、行为安全等多场景下真实业务的端到端评测方案，看清能力水位；同时支撑大规模复杂并发任务，保障工具调用的稳定性\n● 负责Harness持续优化，以评测数据驱动归因分析与问题修复，建立\"归因—修复—验证\"闭环，提升业务效果，并在保障效果的同时持续降低Token成本\n\n职位要求\n● 扎实的工程能力：熟练掌握 Python、Java、C++ 等至少一种编程语言，具备良好的系统设计和工程化能力；熟悉分布式任务调度及 Docker、Kubernetes 等容器化技术\n● LLM 与 Agent 领域经验：深入理解大语言模型的工作原理与能力边界，有 Agent 框架（如 ReAct、Tool-use、Multi-Agent 编排）的实际使用或开发经验\n● 评测与数据分析能力：具备 Benchmark 和评测指标设计经验，理解任务完成率、pass@k、评测一致性、区分度及数据质量控制, 能够完成根因分析并推动优化方案落地; 熟悉主流 Agent 评测方法论（如 τ-bench、SWE-bench、过程评测与结果评测对比）\n●上下文&Memory：熟悉 RAG、Embedding、向量数据库及检索重排，理解记忆生成、召回、更新、去重、冲突处理和遗忘等完整生命周期；能够量化评估 Memory 对业务效果、时延及成本的影响。\n● 具备良好的跨团队沟通能力，能与算法、工程、产品团队协作推动评测结果落地；对 Agent 能力评测有持续好奇心，关注行业最新进展（代码 Agent、安全 Agent、通用推理 Agent），能主动发现评测体系中的盲区并驱动改进\n加分项\n● 有 Token 成本优化经验，能够量化 Prompt 压缩、缓存、模型路由等策略的效果与成本权衡\n● 有开源评测框架或者Memory贡献作为加分项\n● 负责上下文管理&Memory系统研发，覆盖上下文抽取、存储、检索、更新（冲突处理和遗忘机制），持续优化召回质量和任务效果\n● 负责Benchmark建设与评测体系搭建，结合业界开源Benchmark与业务深度协作，沉淀网络安全、内容安全、行为安全等多场景下真实业务的端到端评测方案，看清能力水位；同时支撑大规模复杂并发任务，保障工具调用的稳定性\n● 负责Harness持续优化，以评测数据驱动归因分析与问题修复，建立\"归因—修复—验证\"闭环，提升业务效果，并在保障效果的同时持续降低Token成本\n● 扎实的工程能力：熟练掌握 Python、Java、C++ 等至少一种编程语言，具备良好的系统设计和工程化能力；熟悉分布式任务调度及 Docker、Kubernetes 等容器化技术\n● LLM 与 Agent 领域经验：深入理解大语言模型的工作原理与能力边界，有 Agent 框架（如 ReAct、Tool-use、Multi-Agent 编排）的实际使用或开发经验\n● 评测与数据分析能力：具备 Benchmark 和评测指标设计经验，理解任务完成率、pass@k、评测一致性、区分度及数据质量控制, 能够完成根因分析并推动优化方案落地; 熟悉主流 Agent 评测方法论（如 τ-bench、SWE-bench、过程评测与结果评测对比）\n●上下文&Memory：熟悉 RAG、Embedding、向量数据库及检索重排，理解记忆生成、召回、更新、去重、冲突处理和遗忘等完整生命周期；能够量化评估 Memory 对业务效果、时延及成本的影响。\n● 具备良好的跨团队沟通能力，能与算法、工程、产品团队协作推动评测结果落地；对 Agent 能力评测有持续好奇心，关注行业最新进展（代码 Agent、安全 Agent、通用推理 Agent），能主动发现评测体系中的盲区并驱动改进\n加分项\n● 有 Token 成本优化经验，能够量化 Prompt 压缩、缓存、模型路由等策略的效果与成本权衡\n● 有开源评测框架或者Memory贡献作为加分项",
"standard_classification": {
"std_category_code": "T015",
"std_aux_codes": [
"T009"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}