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": "业务技术-AI Agent 应用优化工程师-商家经营",
"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": "未披露"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": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "加入我们，你将专注于让商家经营 Agent 持续变强：依托商家主数据体系，通过系统化的效果评测与问题归因，精准定位 Agent 表现不佳的根因，并针对性优化经营知识库、Skill 与工具能力，形成「评测 → 归因 → 优化 → 回归」的高频迭代循环，直接推动商家 Agent 从可用走向被依赖。\n你将负责：\n1、构建并运营商家经营场景的 AI 效果评测体系，设计评测集与评价标准，落地自动化评测与回归流程，让每一次优化都有可信度量；\n2、对 Agent 的失败与劣化样本做深度归因分析，定位问题根因究竟落在知识缺失、Skill 编排、工具能力、上下文构造还是数据口径上，输出可执行的优化结论；\n3、依托商家主数据体系持续优化经营知识库，包括知识抽取与补全、质量校验、冲突消解与失效淘汰，保障知识越用越准；\n4、优化 Agent 的 Skill 与工具体系，改进任务编排、上下文工程、工具调用成功率与稳定性，提升端到端任务完成率与体验；\n5、将线上真实表现持续反哺回评测集与知识库，沉淀可复用的归因方法与优化范式，让优化循环自身不断增强；\n6、与研发、算法、产品及业务团队紧密协同，把优化成果转化为可衡量的商家经营效果。",
"requirements_text": "1、本科及以上学历，计算机科学、软件工程、数据或相关专业背景；\n2、具备扎实的工程能力与数据分析能力，能独立完成数据处理、指标定义与效果分析，熟悉 SQL 与离线/实时数据链路；\n3、理解 AI 应用技术体系，熟悉 Prompt/上下文工程、RAG、Agent 任务编排、工具调用等机制，有实际调优经验；\n4、结果导向，对数据敏感，具备良好的问题拆解与根因追查能力，能把模糊的「效果不好」拆成可定位、可验证的具体问题；\n5、沟通协作能力好，能与算法、研发、产品和业务高效对齐。\n6、能独立负责一个业务子域的完整优化闭环，主导评测体系设计与归因方法论沉淀，而非仅执行既有流程；\n7、具备体系化优化能力，能识别优化投入的边际收益并合理排布优先级，带动 1–2 名同学一起产出；",
"skills": [AI生成
"SQL",
"数据分析",
"分析能力",
"检索增强生成"
],
"preferred_qualifications": "7、具备体系化优化能力，能识别优化投入的边际收益并合理排布优先级，带动 1–2 名同学一起产出",
"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=100031320005"
}
]
},
"posting": {
"posting_id": "100031320005",
"post_date": "2026-08-10",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.taotian.com/off-campus/position-detail?positionId=100031320005"
},
"fulltext": "业务技术-AI Agent 应用优化工程师-商家经营\n业务技术-AI Agent 应用优化工程师-商家经营\n\n基础信息\n工作地点：杭州\n\n职位描述\n加入我们，你将专注于让商家经营 Agent 持续变强：依托商家主数据体系，通过系统化的效果评测与问题归因，精准定位 Agent 表现不佳的根因，并针对性优化经营知识库、Skill 与工具能力，形成「评测 → 归因 → 优化 → 回归」的高频迭代循环，直接推动商家 Agent 从可用走向被依赖。\n你将负责：\n1、构建并运营商家经营场景的 AI 效果评测体系，设计评测集与评价标准，落地自动化评测与回归流程，让每一次优化都有可信度量；\n2、对 Agent 的失败与劣化样本做深度归因分析，定位问题根因究竟落在知识缺失、Skill 编排、工具能力、上下文构造还是数据口径上，输出可执行的优化结论；\n3、依托商家主数据体系持续优化经营知识库，包括知识抽取与补全、质量校验、冲突消解与失效淘汰，保障知识越用越准；\n4、优化 Agent 的 Skill 与工具体系，改进任务编排、上下文工程、工具调用成功率与稳定性，提升端到端任务完成率与体验；\n5、将线上真实表现持续反哺回评测集与知识库，沉淀可复用的归因方法与优化范式，让优化循环自身不断增强；\n6、与研发、算法、产品及业务团队紧密协同，把优化成果转化为可衡量的商家经营效果。\n\n职位要求\n1、本科及以上学历，计算机科学、软件工程、数据或相关专业背景；\n2、具备扎实的工程能力与数据分析能力，能独立完成数据处理、指标定义与效果分析，熟悉 SQL 与离线/实时数据链路；\n3、理解 AI 应用技术体系，熟悉 Prompt/上下文工程、RAG、Agent 任务编排、工具调用等机制，有实际调优经验；\n4、结果导向，对数据敏感，具备良好的问题拆解与根因追查能力，能把模糊的「效果不好」拆成可定位、可验证的具体问题；\n5、沟通协作能力好，能与算法、研发、产品和业务高效对齐。\n6、能独立负责一个业务子域的完整优化闭环，主导评测体系设计与归因方法论沉淀，而非仅执行既有流程；\n7、具备体系化优化能力，能识别优化投入的边际收益并合理排布优先级，带动 1–2 名同学一起产出；\n加入我们，你将专注于让商家经营 Agent 持续变强：依托商家主数据体系，通过系统化的效果评测与问题归因，精准定位 Agent 表现不佳的根因，并针对性优化经营知识库、Skill 与工具能力，形成「评测 → 归因 → 优化 → 回归」的高频迭代循环，直接推动商家 Agent 从可用走向被依赖。\n你将负责：\n1、构建并运营商家经营场景的 AI 效果评测体系，设计评测集与评价标准，落地自动化评测与回归流程，让每一次优化都有可信度量；\n2、对 Agent 的失败与劣化样本做深度归因分析，定位问题根因究竟落在知识缺失、Skill 编排、工具能力、上下文构造还是数据口径上，输出可执行的优化结论；\n3、依托商家主数据体系持续优化经营知识库，包括知识抽取与补全、质量校验、冲突消解与失效淘汰，保障知识越用越准；\n4、优化 Agent 的 Skill 与工具体系，改进任务编排、上下文工程、工具调用成功率与稳定性，提升端到端任务完成率与体验；\n5、将线上真实表现持续反哺回评测集与知识库，沉淀可复用的归因方法与优化范式，让优化循环自身不断增强；\n6、与研发、算法、产品及业务团队紧密协同，把优化成果转化为可衡量的商家经营效果。\n1、本科及以上学历，计算机科学、软件工程、数据或相关专业背景；\n2、具备扎实的工程能力与数据分析能力，能独立完成数据处理、指标定义与效果分析，熟悉 SQL 与离线/实时数据链路；\n3、理解 AI 应用技术体系，熟悉 Prompt/上下文工程、RAG、Agent 任务编排、工具调用等机制，有实际调优经验；\n4、结果导向，对数据敏感，具备良好的问题拆解与根因追查能力，能把模糊的「效果不好」拆成可定位、可验证的具体问题；\n5、沟通协作能力好，能与算法、研发、产品和业务高效对齐。\n6、能独立负责一个业务子域的完整优化闭环，主导评测体系设计与归因方法论沉淀，而非仅执行既有流程；\n7、具备体系化优化能力，能识别优化投入的边际收益并合理排布优先级，带动 1–2 名同学一起产出；",
"standard_classification": {
"std_category_code": "T015",
"std_aux_codes": [
"T009"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}