{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "淘天算法技术-Agent算法工程师-杭州",
        "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": "算法研发"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": 2,
        "degree": "计算机、人工智能、模式识别等相关专业硕士及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "岗位职责\n1、构建面向电商场景的智能Agent系统： 负责设计、开发和迭代面向商品理解与匹配的智能Agent系统，基于大语言模型（LLM）构建具备自主规划、工具调用、多步推理和记忆管理能力的Agent架构，实现商品多模态信息（文本、图片、价格等）的深度理解与智能决策。\n2、Agent核心算法研发与优化： 负责Agent核心算法的研发，包括但不限于：Agent规划与决策策略、工具学习与技能进化（Tool Learning、Skill Evolution）、Agent强化学习（Agent RL、RLHF/RLAIF）、多Agent协作与博弈框架、基于检索增强的Agent知识管理（RAG + Agent Memory）等方向，持续提升Agent在复杂电商任务中的准确率与鲁棒性。\n3、前沿技术探索与业务落地： 跟踪Agent领域的最新研究进展，结合商品同款匹配、价格分析、属性提取等核心业务场景，进行技术选型与方案落地。探索Agent在电商链路中的更多应用可能，如智能比价助手等。\n4、Agent系统工程化与规模化： 负责Agent系统的工程化落地，设计高性能、高可用的Agent服务架构，解决大规模并发调用下的延迟、成本和稳定性问题。构建Agent效果评估体系，通过AB实验持续验证和驱动业务指标增长。",
        "requirements_text": "1、计算机、人工智能、模式识别等相关专业硕士及以上学历，2年及以上相关工作经验。\n具备以下一个或多个领域的深厚积累：\na. Agent系统： 在LLM Agent方向有深入实践，熟悉主流Agent框架和范式（如ReAct、Function Calling、Multi-Agent等），有Agent规划、工具调用、记忆管理、技能进化等方向的研发经验。在Agent RL、Agent评估、Agent安全等方向有研究或落地经验者优先。\nb. 大语言模型（LLM）： 熟悉主流大语言模型的原理与训练，在SFT、RLHF、模型蒸馏（Model Distillation）、提示工程（Prompt Engineering）、In-Context Learning等方向有实践经验，能够针对Agent场景进行模型适配和优化。\nc. 多模态理解： 熟悉主流多模态大模型（VLM）的原理和应用，有图文匹配、视觉内容理解、VQA等项目经验，能够将多模态能力有效集成到Agent系统中。\n2、具备扎实的编程与工程能力，精通Python/C++/SQL等编程语言，熟练掌握PyTorch等深度学习框架，有良好的代码风格和系统设计能力。\n3、具备优秀的分析与解决问题能力，能够将复杂的业务问题拆解为Agent可执行的子任务，设计合理的Agent工作流和工具链，给出创新性解决方案。\n4、拥有强烈的技术Owner意识和自驱力，能够独立负责Agent技术方向的规划与落地，对构建真正\"能用\"的智能系统有热情和追求。",
        "skills": [AI生成
            "Python",
            "C++",
            "SQL",
            "PyTorch",
            "React",
            "深度学习",
            "解决问题",
            "大语言模型"
        ],
        "preferred_qualifications": "在Agent RL、Agent评估、Agent安全等方向有研究或落地经验者优先",
        "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=100028360006"
            }
        ]
    },
    "posting": {
        "posting_id": "100028360006",
        "post_date": "2026-08-28",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://talent.taotian.com/off-campus/position-detail?positionId=100028360006"
    },
    "fulltext": "淘天算法技术-Agent算法工程师-杭州\n淘天算法技术-Agent算法工程师-杭州\n\n基础信息\n工作地点：杭州\n\n职位描述\n岗位职责\n1、构建面向电商场景的智能Agent系统： 负责设计、开发和迭代面向商品理解与匹配的智能Agent系统，基于大语言模型（LLM）构建具备自主规划、工具调用、多步推理和记忆管理能力的Agent架构，实现商品多模态信息（文本、图片、价格等）的深度理解与智能决策。\n2、Agent核心算法研发与优化： 负责Agent核心算法的研发，包括但不限于：Agent规划与决策策略、工具学习与技能进化（Tool Learning、Skill Evolution）、Agent强化学习（Agent RL、RLHF/RLAIF）、多Agent协作与博弈框架、基于检索增强的Agent知识管理（RAG + Agent Memory）等方向，持续提升Agent在复杂电商任务中的准确率与鲁棒性。\n3、前沿技术探索与业务落地： 跟踪Agent领域的最新研究进展，结合商品同款匹配、价格分析、属性提取等核心业务场景，进行技术选型与方案落地。探索Agent在电商链路中的更多应用可能，如智能比价助手等。\n4、Agent系统工程化与规模化： 负责Agent系统的工程化落地，设计高性能、高可用的Agent服务架构，解决大规模并发调用下的延迟、成本和稳定性问题。构建Agent效果评估体系，通过AB实验持续验证和驱动业务指标增长。\n\n职位要求\n1、计算机、人工智能、模式识别等相关专业硕士及以上学历，2年及以上相关工作经验。\n具备以下一个或多个领域的深厚积累：\na. Agent系统： 在LLM Agent方向有深入实践，熟悉主流Agent框架和范式（如ReAct、Function Calling、Multi-Agent等），有Agent规划、工具调用、记忆管理、技能进化等方向的研发经验。在Agent RL、Agent评估、Agent安全等方向有研究或落地经验者优先。\nb. 大语言模型（LLM）： 熟悉主流大语言模型的原理与训练，在SFT、RLHF、模型蒸馏（Model Distillation）、提示工程（Prompt Engineering）、In-Context Learning等方向有实践经验，能够针对Agent场景进行模型适配和优化。\nc. 多模态理解： 熟悉主流多模态大模型（VLM）的原理和应用，有图文匹配、视觉内容理解、VQA等项目经验，能够将多模态能力有效集成到Agent系统中。\n2、具备扎实的编程与工程能力，精通Python/C++/SQL等编程语言，熟练掌握PyTorch等深度学习框架，有良好的代码风格和系统设计能力。\n3、具备优秀的分析与解决问题能力，能够将复杂的业务问题拆解为Agent可执行的子任务，设计合理的Agent工作流和工具链，给出创新性解决方案。\n4、拥有强烈的技术Owner意识和自驱力，能够独立负责Agent技术方向的规划与落地，对构建真正\"能用\"的智能系统有热情和追求。\n岗位职责\n1、构建面向电商场景的智能Agent系统： 负责设计、开发和迭代面向商品理解与匹配的智能Agent系统，基于大语言模型（LLM）构建具备自主规划、工具调用、多步推理和记忆管理能力的Agent架构，实现商品多模态信息（文本、图片、价格等）的深度理解与智能决策。\n2、Agent核心算法研发与优化： 负责Agent核心算法的研发，包括但不限于：Agent规划与决策策略、工具学习与技能进化（Tool Learning、Skill Evolution）、Agent强化学习（Agent RL、RLHF/RLAIF）、多Agent协作与博弈框架、基于检索增强的Agent知识管理（RAG + Agent Memory）等方向，持续提升Agent在复杂电商任务中的准确率与鲁棒性。\n3、前沿技术探索与业务落地： 跟踪Agent领域的最新研究进展，结合商品同款匹配、价格分析、属性提取等核心业务场景，进行技术选型与方案落地。探索Agent在电商链路中的更多应用可能，如智能比价助手等。\n4、Agent系统工程化与规模化： 负责Agent系统的工程化落地，设计高性能、高可用的Agent服务架构，解决大规模并发调用下的延迟、成本和稳定性问题。构建Agent效果评估体系，通过AB实验持续验证和驱动业务指标增长。\n1、计算机、人工智能、模式识别等相关专业硕士及以上学历，2年及以上相关工作经验。\n具备以下一个或多个领域的深厚积累：\na. Agent系统： 在LLM Agent方向有深入实践，熟悉主流Agent框架和范式（如ReAct、Function Calling、Multi-Agent等），有Agent规划、工具调用、记忆管理、技能进化等方向的研发经验。在Agent RL、Agent评估、Agent安全等方向有研究或落地经验者优先。\nb. 大语言模型（LLM）： 熟悉主流大语言模型的原理与训练，在SFT、RLHF、模型蒸馏（Model Distillation）、提示工程（Prompt Engineering）、In-Context Learning等方向有实践经验，能够针对Agent场景进行模型适配和优化。\nc. 多模态理解： 熟悉主流多模态大模型（VLM）的原理和应用，有图文匹配、视觉内容理解、VQA等项目经验，能够将多模态能力有效集成到Agent系统中。\n2、具备扎实的编程与工程能力，精通Python/C++/SQL等编程语言，熟练掌握PyTorch等深度学习框架，有良好的代码风格和系统设计能力。\n3、具备优秀的分析与解决问题能力，能够将复杂的业务问题拆解为Agent可执行的子任务，设计合理的Agent工作流和工具链，给出创新性解决方案。\n4、拥有强烈的技术Owner意识和自驱力，能够独立负责Agent技术方向的规划与落地，对构建真正\"能用\"的智能系统有热情和追求。",
    "standard_classification": {
        "std_category_code": "T009",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}