主分类：AI应用开发（非Agent）
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-高级AI应用研发专家-知识工程方向",
"job_level": "专家",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": "硕士",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "负责企业级智能业务平台中\"知识与记忆中心\"的整体规划与技术落地。该模块是平台的核心基础设施，为上层多个业务 AI Agent 提供统一的知识与上下文供给，确保 Agent 在每次决策与执行时均能获取充分且精准的信息支撑。\n本场景需统一治理跨域结构化数据、非结构化文本、即时通讯记录、既有知识库及业务事件流等多源异构内容，在异构数据源之上建立统一的知识表示、检索与服务体系，并构建\"采集 → 提取 → 索引 → 评测 → 优化\"的持续闭环，驱动知识质量与 Agent 决策质量的阶梯式提升。\n岗位要求：\n● 主导知识飞轮全链路的架构设计与技术选型，制定分阶段落地路线图，确保从 MVP 到规模化运转的路径清晰可控。\n● 设计多源异构数据的统一接入与变更感知体系，覆盖结构化数据、文档、IM 对话、知识库与事件流五类内容源，建立差异化的同步策略与时效性管理机制。\n● 针对不同内容类型构建差异化的知识提取与关联推理能力，包括文档解析与语义分块、对话意图提取、事件模式识别、跨域知识归一化与冲突消解。\n● 设计高效的多模态检索与分级缓存体系（向量检索 + 倒排索引 + 热温冷三级 Cache），在响应速度与知识时效性之间取得最优平衡。\n● 建立知识质量的全维度评测与归因体系（检索相关性、知识准确率、上下文完备度、业务效果归因），实现自动化持续运行，驱动飞轮各环节的迭代优化。\n● 沉淀知识工程方法论与最佳实践，培养团队核心技术骨干。",
"requirements_text": "● 具备 RAG 系统的全链路设计与落地经验（数据采集、文档解析、语义分块、向量检索、重排序），有效果评测与迭代优化的完整闭环经历。\n● 具备企业级知识飞轮或数据飞轮的闭环建设经验，在业务运行中实现过知识质量与决策质量的可量化持续提升。\n● 具备企业级多源异构数据治理经验，处理过结构化数据、文本、对话记录、事件流的统一接入与融合。\n● 熟悉主流向量检索系统的性能特征，具备 Cache 策略设计经验（分层、TTL、命中率优化）。\n● 具备评测驱动的工作方法论，习惯以数据指导优化方向。\n● 理解 LLM Agent 架构，能从\"为 Agent 提供上下文\"的视角进行系统设计。\n● 具备大规模系统架构设计能力与跨团队协作推动能力。",
"skills": [AI生成
"数据治理",
"系统架构",
"架构设计",
"团队协作",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "未披露",
"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=100026220004"
}
]
},
"posting": {
"posting_id": "100026220004",
"post_date": "2026-09-02",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.taotian.com/off-campus/position-detail?positionId=100026220004"
},
"fulltext": "业务技术-高级AI应用研发专家-知识工程方向\n业务技术-高级AI应用研发专家-知识工程方向\n\n基础信息\n工作地点：杭州\n\n职位描述\n负责企业级智能业务平台中\"知识与记忆中心\"的整体规划与技术落地。该模块是平台的核心基础设施，为上层多个业务 AI Agent 提供统一的知识与上下文供给，确保 Agent 在每次决策与执行时均能获取充分且精准的信息支撑。\n本场景需统一治理跨域结构化数据、非结构化文本、即时通讯记录、既有知识库及业务事件流等多源异构内容，在异构数据源之上建立统一的知识表示、检索与服务体系，并构建\"采集 → 提取 → 索引 → 评测 → 优化\"的持续闭环，驱动知识质量与 Agent 决策质量的阶梯式提升。\n岗位要求：\n● 主导知识飞轮全链路的架构设计与技术选型，制定分阶段落地路线图，确保从 MVP 到规模化运转的路径清晰可控。\n● 设计多源异构数据的统一接入与变更感知体系，覆盖结构化数据、文档、IM 对话、知识库与事件流五类内容源，建立差异化的同步策略与时效性管理机制。\n● 针对不同内容类型构建差异化的知识提取与关联推理能力，包括文档解析与语义分块、对话意图提取、事件模式识别、跨域知识归一化与冲突消解。\n● 设计高效的多模态检索与分级缓存体系（向量检索 + 倒排索引 + 热温冷三级 Cache），在响应速度与知识时效性之间取得最优平衡。\n● 建立知识质量的全维度评测与归因体系（检索相关性、知识准确率、上下文完备度、业务效果归因），实现自动化持续运行，驱动飞轮各环节的迭代优化。\n● 沉淀知识工程方法论与最佳实践，培养团队核心技术骨干。\n\n职位要求\n● 具备 RAG 系统的全链路设计与落地经验（数据采集、文档解析、语义分块、向量检索、重排序），有效果评测与迭代优化的完整闭环经历。\n● 具备企业级知识飞轮或数据飞轮的闭环建设经验，在业务运行中实现过知识质量与决策质量的可量化持续提升。\n● 具备企业级多源异构数据治理经验，处理过结构化数据、文本、对话记录、事件流的统一接入与融合。\n● 熟悉主流向量检索系统的性能特征，具备 Cache 策略设计经验（分层、TTL、命中率优化）。\n● 具备评测驱动的工作方法论，习惯以数据指导优化方向。\n● 理解 LLM Agent 架构，能从\"为 Agent 提供上下文\"的视角进行系统设计。\n● 具备大规模系统架构设计能力与跨团队协作推动能力。\n负责企业级智能业务平台中\"知识与记忆中心\"的整体规划与技术落地。该模块是平台的核心基础设施，为上层多个业务 AI Agent 提供统一的知识与上下文供给，确保 Agent 在每次决策与执行时均能获取充分且精准的信息支撑。\n本场景需统一治理跨域结构化数据、非结构化文本、即时通讯记录、既有知识库及业务事件流等多源异构内容，在异构数据源之上建立统一的知识表示、检索与服务体系，并构建\"采集 → 提取 → 索引 → 评测 → 优化\"的持续闭环，驱动知识质量与 Agent 决策质量的阶梯式提升。\n岗位要求：\n● 主导知识飞轮全链路的架构设计与技术选型，制定分阶段落地路线图，确保从 MVP 到规模化运转的路径清晰可控。\n● 设计多源异构数据的统一接入与变更感知体系，覆盖结构化数据、文档、IM 对话、知识库与事件流五类内容源，建立差异化的同步策略与时效性管理机制。\n● 针对不同内容类型构建差异化的知识提取与关联推理能力，包括文档解析与语义分块、对话意图提取、事件模式识别、跨域知识归一化与冲突消解。\n● 设计高效的多模态检索与分级缓存体系（向量检索 + 倒排索引 + 热温冷三级 Cache），在响应速度与知识时效性之间取得最优平衡。\n● 建立知识质量的全维度评测与归因体系（检索相关性、知识准确率、上下文完备度、业务效果归因），实现自动化持续运行，驱动飞轮各环节的迭代优化。\n● 沉淀知识工程方法论与最佳实践，培养团队核心技术骨干。\n● 具备 RAG 系统的全链路设计与落地经验（数据采集、文档解析、语义分块、向量检索、重排序），有效果评测与迭代优化的完整闭环经历。\n● 具备企业级知识飞轮或数据飞轮的闭环建设经验，在业务运行中实现过知识质量与决策质量的可量化持续提升。\n● 具备企业级多源异构数据治理经验，处理过结构化数据、文本、对话记录、事件流的统一接入与融合。\n● 熟悉主流向量检索系统的性能特征，具备 Cache 策略设计经验（分层、TTL、命中率优化）。\n● 具备评测驱动的工作方法论，习惯以数据指导优化方向。\n● 理解 LLM Agent 架构，能从\"为 Agent 提供上下文\"的视角进行系统设计。\n● 具备大规模系统架构设计能力与跨团队协作推动能力。",
"standard_classification": {
"std_category_code": "T008",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}