主分类：Agent系统开发
辅助：AI模型评测工程（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": "阿里云智能-高级算法工程师-智能运维-杭州",
"job_level": "高级",AI生成
"work_category": "全职",AI生成
"department": "云智能集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "算法研发"AI生成
},
"company": {
"company_name": "阿里云",
"company_industry": "云计算 / 人工智能",
"company_size": "10000人以上",
"company_website": "alibaba.com",
"company_description": "阿里云提供云基础设施、AI模型、智能体和计算服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 3,
"degree": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 深入阿里云基础设施和运维与运营场景，识别适合由 LLM 和 Agent 解决的问题，完成问题定义、数据分析、技术建模、方案设计及规模化落地，并对实际业务效果负责。\n2. 设计和研发生产级 Agent 系统，包括任务规划与分解、工具调用、状态管理、上下文工程、长期与短期记忆、反思与纠错、人机协同、多 Agent 协作，以及长周期任务的中断恢复与持续执行。\n3. 研发大模型应用核心能力，围绕提示工程、RAG、模型路由、结构化生成、微调和推理优化进行技术选型；能够根据场景判断何时使用工作流、Agent、检索增强或模型训练，而不是简单堆叠技术组件。\n4.建立 Agent 评测与持续优化体系，构建覆盖任务成功率、答案正确性、工具调用准确率、端到端时延、成本、鲁棒性和安全性的评测集与指标，结合线上反馈和失败案例推动策略、模型及系统迭代。\n5. 跟踪 LLM、Agent、推理优化及智能运维方向的最新进展，结合真实业务约束完成技术判断、原型验证和工程转化。",
"requirements_text": "1. 计算机、人工智能、软件工程或相关专业，本科及以上学历；具有3年以上算法或 AI 应用研发经验，具备复杂系统从方案设计到生产落地的完整经历。\n2. 理解 Transformer 及大模型训练、对齐和推理的基本原理，熟悉提示工程、RAG、模型路由、结构化输出等常用技术，能够分析模型能力边界，并在效果、时延、成本和稳定性之间做出合理取舍。\n3. 至少有一个真实 Agent 项目的核心研发或技术负责人经历，熟悉 ReAct、Plan-and-Execute、工具调用、工作流和人机协同等常见模式；能够说明个人贡献、关键技术决策、任务成功率、失败类型、稳定性和业务收益，而不仅是完成 Demo 或框架调用。\n4. 有上下文工程（Context Engineering）的实际经验，能够说明如何处理上下文选择与压缩、检索、状态持久化、长期与短期记忆、会话隔离和 Token 预算，并理解不同方案在准确性、时延和成本上的权衡。\n5. 具备扎实的 Python 编程、算法和生产工程能力，熟悉至少一种主流深度学习或大模型技术栈，能够独立完成数据处理、模型或 Agent 服务开发、评测和线上问题诊断。\n具备优秀的问题抽象、分析建模与跨团队协作能力，能够快速理解云服务与运维问题，在需求不完整、技术快速变化的环境中验证假设，并推动方案形成可量化的业务闭环。",
"skills": [AI生成
"Python",
"React",
"深度学习",
"模型训练",
"团队协作",
"建模",
"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://careers.aliyun.com/off-campus/position-detail?positionId=100036920001"
}
]
},
"posting": {
"posting_id": "100036920001",
"post_date": "2026-09-10",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.aliyun.com/off-campus/position-detail?positionId=100036920001"
},
"fulltext": "阿里云智能-高级算法工程师-智能运维-杭州\n阿里云智能-高级算法工程师-智能运维-杭州\n\n基础信息\n工作地点：杭州\n\n职位描述\n1. 深入阿里云基础设施和运维与运营场景，识别适合由 LLM 和 Agent 解决的问题，完成问题定义、数据分析、技术建模、方案设计及规模化落地，并对实际业务效果负责。\n2. 设计和研发生产级 Agent 系统，包括任务规划与分解、工具调用、状态管理、上下文工程、长期与短期记忆、反思与纠错、人机协同、多 Agent 协作，以及长周期任务的中断恢复与持续执行。\n3. 研发大模型应用核心能力，围绕提示工程、RAG、模型路由、结构化生成、微调和推理优化进行技术选型；能够根据场景判断何时使用工作流、Agent、检索增强或模型训练，而不是简单堆叠技术组件。\n4.建立 Agent 评测与持续优化体系，构建覆盖任务成功率、答案正确性、工具调用准确率、端到端时延、成本、鲁棒性和安全性的评测集与指标，结合线上反馈和失败案例推动策略、模型及系统迭代。\n5. 跟踪 LLM、Agent、推理优化及智能运维方向的最新进展，结合真实业务约束完成技术判断、原型验证和工程转化。\n\n职位要求\n1. 计算机、人工智能、软件工程或相关专业，本科及以上学历；具有3年以上算法或 AI 应用研发经验，具备复杂系统从方案设计到生产落地的完整经历。\n2. 理解 Transformer 及大模型训练、对齐和推理的基本原理，熟悉提示工程、RAG、模型路由、结构化输出等常用技术，能够分析模型能力边界，并在效果、时延、成本和稳定性之间做出合理取舍。\n3. 至少有一个真实 Agent 项目的核心研发或技术负责人经历，熟悉 ReAct、Plan-and-Execute、工具调用、工作流和人机协同等常见模式；能够说明个人贡献、关键技术决策、任务成功率、失败类型、稳定性和业务收益，而不仅是完成 Demo 或框架调用。\n4. 有上下文工程（Context Engineering）的实际经验，能够说明如何处理上下文选择与压缩、检索、状态持久化、长期与短期记忆、会话隔离和 Token 预算，并理解不同方案在准确性、时延和成本上的权衡。\n5. 具备扎实的 Python 编程、算法和生产工程能力，熟悉至少一种主流深度学习或大模型技术栈，能够独立完成数据处理、模型或 Agent 服务开发、评测和线上问题诊断。\n具备优秀的问题抽象、分析建模与跨团队协作能力，能够快速理解云服务与运维问题，在需求不完整、技术快速变化的环境中验证假设，并推动方案形成可量化的业务闭环。\n1. 深入阿里云基础设施和运维与运营场景，识别适合由 LLM 和 Agent 解决的问题，完成问题定义、数据分析、技术建模、方案设计及规模化落地，并对实际业务效果负责。\n2. 设计和研发生产级 Agent 系统，包括任务规划与分解、工具调用、状态管理、上下文工程、长期与短期记忆、反思与纠错、人机协同、多 Agent 协作，以及长周期任务的中断恢复与持续执行。\n3. 研发大模型应用核心能力，围绕提示工程、RAG、模型路由、结构化生成、微调和推理优化进行技术选型；能够根据场景判断何时使用工作流、Agent、检索增强或模型训练，而不是简单堆叠技术组件。\n4.建立 Agent 评测与持续优化体系，构建覆盖任务成功率、答案正确性、工具调用准确率、端到端时延、成本、鲁棒性和安全性的评测集与指标，结合线上反馈和失败案例推动策略、模型及系统迭代。\n5. 跟踪 LLM、Agent、推理优化及智能运维方向的最新进展，结合真实业务约束完成技术判断、原型验证和工程转化。\n1. 计算机、人工智能、软件工程或相关专业，本科及以上学历；具有3年以上算法或 AI 应用研发经验，具备复杂系统从方案设计到生产落地的完整经历。\n2. 理解 Transformer 及大模型训练、对齐和推理的基本原理，熟悉提示工程、RAG、模型路由、结构化输出等常用技术，能够分析模型能力边界，并在效果、时延、成本和稳定性之间做出合理取舍。\n3. 至少有一个真实 Agent 项目的核心研发或技术负责人经历，熟悉 ReAct、Plan-and-Execute、工具调用、工作流和人机协同等常见模式；能够说明个人贡献、关键技术决策、任务成功率、失败类型、稳定性和业务收益，而不仅是完成 Demo 或框架调用。\n4. 有上下文工程（Context Engineering）的实际经验，能够说明如何处理上下文选择与压缩、检索、状态持久化、长期与短期记忆、会话隔离和 Token 预算，并理解不同方案在准确性、时延和成本上的权衡。\n5. 具备扎实的 Python 编程、算法和生产工程能力，熟悉至少一种主流深度学习或大模型技术栈，能够独立完成数据处理、模型或 Agent 服务开发、评测和线上问题诊断。\n具备优秀的问题抽象、分析建模与跨团队协作能力，能够快速理解云服务与运维问题，在需求不完整、技术快速变化的环境中验证假设，并推动方案形成可量化的业务闭环。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T015"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}