{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "业务技术-AI Agent 研发专家-私域详情方向",
        "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": 2,
        "degree": "计算机、人工智能、数学等相关专业本科及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1. 负责面向消费者的商品类 Agent 核心链路的端到端研发，主导 意图理解、任务规划（Planning）、工具调用（Tool Use）、技能（Skill）设计、多轮对话状态管理、长短期记忆 等关键模块的设计与落地。\n2. 搭建 Agent 效果评测与迭代闭环：离线评测集建设、在线 A/B 实验、bad case 归因体系、自动化 Regression，驱动技术能力可度量地转化为业务价值。\n3. 攻坚 Agent 生产链路的 稳定性、延迟与成本 问题：路由与降级、缓存与并发、Prompt 与上下文压缩、前置分类等算法与工程结合的系统性优化。\n4. 跟踪 LLM / Agent 领域前沿进展（新规划范式、Agent 协议、长上下文与记忆机制、Reasoning 模型等），推动有价值的技术在业务链路中真实落地。",
        "requirements_text": "1. 计算机、人工智能、数学等相关专业本科及以上学历，2 年及以上研发经验，其中至少 1–2 年 LLM / Agent 方向的落地经验。\n2. 对 Agent 技术栈有深度理解与实战积累：熟悉主流 Agent 范式（ReAct、Plan-and-Execute、Reflexion、Multi-Agent 协作等）及其适用场景与取舍，熟练掌握 Function Calling / Tool Use、结构化输出、多轮上下文与记忆管理，具备独立设计并交付端到端 Agent 应用的完整经验。\n3. RAG 实战经验扎实：熟悉向量检索、稀疏检索、Query 改写、Rerank、上下文构造与压缩，能针对具体业务从 0 搭建一套可用的检索链路，并有实际的效果调优经验。\n4. 具备明确的指标驱动思维：能自主定义评测指标、构建评测集，拥有 bad case 归因 → 假设 → 实验 → 上线 的完整闭环经验，熟悉 Prompt 工程、Few-shot 设计、Self-Consistency、Reflection 等常见效果提升手段及其适用边界。\n5. 熟悉 Java / Python，具备扎实的工程功底；能独立完成从原型到生产链路的落地，对服务稳定性、P99 延迟、Token 成本有清晰的量化 sense。\n6. 具备良好的沟通与协作能力，能在算法、工程、产品、业务多方协同的环境中，把事情推动到有结果。",
        "skills": [AI生成
            "Python",
            "Java",
            "React",
            "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=100035800001"
            }
        ]
    },
    "posting": {
        "posting_id": "100035800001",
        "post_date": "2026-08-28",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://talent.taotian.com/off-campus/position-detail?positionId=100035800001"
    },
    "fulltext": "业务技术-AI Agent 研发专家-私域详情方向\n业务技术-AI Agent 研发专家-私域详情方向\n\n基础信息\n工作地点：杭州\n\n职位描述\n1. 负责面向消费者的商品类 Agent 核心链路的端到端研发，主导 意图理解、任务规划（Planning）、工具调用（Tool Use）、技能（Skill）设计、多轮对话状态管理、长短期记忆 等关键模块的设计与落地。\n2. 搭建 Agent 效果评测与迭代闭环：离线评测集建设、在线 A/B 实验、bad case 归因体系、自动化 Regression，驱动技术能力可度量地转化为业务价值。\n3. 攻坚 Agent 生产链路的 稳定性、延迟与成本 问题：路由与降级、缓存与并发、Prompt 与上下文压缩、前置分类等算法与工程结合的系统性优化。\n4. 跟踪 LLM / Agent 领域前沿进展（新规划范式、Agent 协议、长上下文与记忆机制、Reasoning 模型等），推动有价值的技术在业务链路中真实落地。\n\n职位要求\n1. 计算机、人工智能、数学等相关专业本科及以上学历，2 年及以上研发经验，其中至少 1–2 年 LLM / Agent 方向的落地经验。\n2. 对 Agent 技术栈有深度理解与实战积累：熟悉主流 Agent 范式（ReAct、Plan-and-Execute、Reflexion、Multi-Agent 协作等）及其适用场景与取舍，熟练掌握 Function Calling / Tool Use、结构化输出、多轮上下文与记忆管理，具备独立设计并交付端到端 Agent 应用的完整经验。\n3. RAG 实战经验扎实：熟悉向量检索、稀疏检索、Query 改写、Rerank、上下文构造与压缩，能针对具体业务从 0 搭建一套可用的检索链路，并有实际的效果调优经验。\n4. 具备明确的指标驱动思维：能自主定义评测指标、构建评测集，拥有 bad case 归因 → 假设 → 实验 → 上线 的完整闭环经验，熟悉 Prompt 工程、Few-shot 设计、Self-Consistency、Reflection 等常见效果提升手段及其适用边界。\n5. 熟悉 Java / Python，具备扎实的工程功底；能独立完成从原型到生产链路的落地，对服务稳定性、P99 延迟、Token 成本有清晰的量化 sense。\n6. 具备良好的沟通与协作能力，能在算法、工程、产品、业务多方协同的环境中，把事情推动到有结果。\n1. 负责面向消费者的商品类 Agent 核心链路的端到端研发，主导 意图理解、任务规划（Planning）、工具调用（Tool Use）、技能（Skill）设计、多轮对话状态管理、长短期记忆 等关键模块的设计与落地。\n2. 搭建 Agent 效果评测与迭代闭环：离线评测集建设、在线 A/B 实验、bad case 归因体系、自动化 Regression，驱动技术能力可度量地转化为业务价值。\n3. 攻坚 Agent 生产链路的 稳定性、延迟与成本 问题：路由与降级、缓存与并发、Prompt 与上下文压缩、前置分类等算法与工程结合的系统性优化。\n4. 跟踪 LLM / Agent 领域前沿进展（新规划范式、Agent 协议、长上下文与记忆机制、Reasoning 模型等），推动有价值的技术在业务链路中真实落地。\n1. 计算机、人工智能、数学等相关专业本科及以上学历，2 年及以上研发经验，其中至少 1–2 年 LLM / Agent 方向的落地经验。\n2. 对 Agent 技术栈有深度理解与实战积累：熟悉主流 Agent 范式（ReAct、Plan-and-Execute、Reflexion、Multi-Agent 协作等）及其适用场景与取舍，熟练掌握 Function Calling / Tool Use、结构化输出、多轮上下文与记忆管理，具备独立设计并交付端到端 Agent 应用的完整经验。\n3. RAG 实战经验扎实：熟悉向量检索、稀疏检索、Query 改写、Rerank、上下文构造与压缩，能针对具体业务从 0 搭建一套可用的检索链路，并有实际的效果调优经验。\n4. 具备明确的指标驱动思维：能自主定义评测指标、构建评测集，拥有 bad case 归因 → 假设 → 实验 → 上线 的完整闭环经验，熟悉 Prompt 工程、Few-shot 设计、Self-Consistency、Reflection 等常见效果提升手段及其适用边界。\n5. 熟悉 Java / Python，具备扎实的工程功底；能独立完成从原型到生产链路的落地，对服务稳定性、P99 延迟、Token 成本有清晰的量化 sense。\n6. 具备良好的沟通与协作能力，能在算法、工程、产品、业务多方协同的环境中，把事情推动到有结果。",
    "standard_classification": {
        "std_category_code": "T009",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}