主分类：Agent系统开发
辅助：AI应用开发（非Agent）（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": "供应链产品技术部-AI应用研发工程师（物流履约）-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": "供应链/物流"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": 1,
"degree": "硕士",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 履约核心系统设计\n● 负责履约表达与协同领域核心功能的领域建模、架构设计及编码实现。不仅关注传统业务逻辑，更致力于将 AI 能力原生地融入业务流程，确保系统的高可用性与智能化扩展性。\n● 主导重点项目的技术方案设计与评审，攻克“业务+AI”结合部的技术难点，保障项目高质量交付。\n2. 系统性能优化与AI重构\n● 深入分析现有系统的瓶颈，通过重构代码、优化算法及引入 AI 辅助决策机制，显著提升系统性能与业务处理效率。\n● 基于 DDD（领域驱动设计） 方法论，清晰划分履约业务的领域边界，构建高内聚、低耦合的业务模型，为 AI Agent 提供清晰、标准化的业务接口与数据上下文。\n3. AI Native 应用落地与工程化\n● Agent 研发与场景落地：负责 AI Agent 在履约协同复杂场景（如智能调度、异常自动处置、多式联运协同、客服交互等）中的研发、编排、调优与实际落地，解决传统规则引擎难以处理的长尾问题。\n● LLM 工程化体系建设：掌握 LLM 基本原理，负责企业级知识库（RAG）的构建与维护；熟练运用 Context Engineering（上下文工程） 和 Harness 工程/SDD 开发能力，优化 Prompt 策略，提升大模型在垂直业务场景下的准确性、稳定性与可控性。\n● 协议标准化与技能扩展：基于 MCP (Model Context Protocol) 协议打通数据孤岛，实现系统与模型间的无缝交互；开发标准化的 AI Skills，实现跨领域需求的快速组装与交付。\n● AI 驱动的研发效能提升：利用常用 AI IDE 及辅助工具优化开发全流程，探索 AI 赋能软件开发生命周期的最佳实践，推动团队从“Code Writer”向“AI native Architect”新研发范转型。",
"requirements_text": "1. Java 基础与分布式架构要求\n● 1 年及以上 JAVA 开发经验，Java 基础扎实，深刻理解 JVM 原理及常用开源框架（Spring Boot/Cloud等）的核心机制。\n● 熟悉分布式系统设计，精通缓存（Redis）、消息队列（Kafka/RocketMQ等）及微服务架构，能合理运用分布式技术解决高并发与数据一致性问题，为 AI 应用提供稳固的后端支撑。\n2. 数据库与操作系统能力\n● 熟练掌握 Linux 操作系统，具备扎实的 SQL 编写与优化能力，熟练使用 MySQL、Oracle等大型数据库，能够高效处理履约链路中的海量数据。\n3. AI Native 核心技术栈（核心竞争力）\n● LLM 深度应用：深入理解大语言模型工作原理，具备高级 Prompt Engineering 能力，熟悉向量数据库选型及知识库（RAG）构建流程。\n● Agent 实战与调优：具备 LangChain、LlamaIndex、AutoGen 或类似框架的深度使用经验。有 Agent 研发、多步推理编排及效果调优经验者优先，特别是在履约表达与协同等复杂业务逻辑下的实际落地案例。\n● 前沿工程协议：了解并掌握 MCP 协议，具备 Context Engineering 实战经验，熟悉 Harness 工程 或 SDD相关开发模式，能够独立开发可复用、可组合的 AI Skills。\n● AI 辅助开发专家：熟练掌握 Copilot、Cursor 等 AI IDE 工具，具备利用 AI 工具链加速跨领域需求交付的能力，并能总结最佳实践反哺团队。\n4.加分项\n● 技术敏锐度与创新力：对 AI 新技术保持强烈的好奇心与钻研精神，追求优雅的代码与架构设计。具备良好的技术视野，能够从技术趋势层面影响并带动团队向 AI Native 转型。\n● 软技能: 学习能力强，具备良好的适应能力、耐心与细心，善于在业务与技术之间搭建沟通桥梁。",
"skills": [AI生成
"Java",
"SQL",
"MySQL",
"Redis",
"Linux",
"Kafka",
"Spring",
"分布式系统",
"微服务",
"数据库",
"架构设计",
"学习能力",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "有 Agent 研发、多步推理编排及效果调优经验者优先，特别是在履约表达与协同等复杂业务逻辑下的实际落地案例；4.加分项",
"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=100037180001"
}
]
},
"posting": {
"posting_id": "100037180001",
"post_date": "2026-09-02",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.taotian.com/off-campus/position-detail?positionId=100037180001"
},
"fulltext": "供应链产品技术部-AI应用研发工程师（物流履约）-杭州\n供应链产品技术部-AI应用研发工程师（物流履约）-杭州\n\n基础信息\n工作地点：杭州\n\n职位描述\n1. 履约核心系统设计\n● 负责履约表达与协同领域核心功能的领域建模、架构设计及编码实现。不仅关注传统业务逻辑，更致力于将 AI 能力原生地融入业务流程，确保系统的高可用性与智能化扩展性。\n● 主导重点项目的技术方案设计与评审，攻克“业务+AI”结合部的技术难点，保障项目高质量交付。\n2. 系统性能优化与AI重构\n● 深入分析现有系统的瓶颈，通过重构代码、优化算法及引入 AI 辅助决策机制，显著提升系统性能与业务处理效率。\n● 基于 DDD（领域驱动设计） 方法论，清晰划分履约业务的领域边界，构建高内聚、低耦合的业务模型，为 AI Agent 提供清晰、标准化的业务接口与数据上下文。\n3. AI Native 应用落地与工程化\n● Agent 研发与场景落地：负责 AI Agent 在履约协同复杂场景（如智能调度、异常自动处置、多式联运协同、客服交互等）中的研发、编排、调优与实际落地，解决传统规则引擎难以处理的长尾问题。\n● LLM 工程化体系建设：掌握 LLM 基本原理，负责企业级知识库（RAG）的构建与维护；熟练运用 Context Engineering（上下文工程） 和 Harness 工程/SDD 开发能力，优化 Prompt 策略，提升大模型在垂直业务场景下的准确性、稳定性与可控性。\n● 协议标准化与技能扩展：基于 MCP (Model Context Protocol) 协议打通数据孤岛，实现系统与模型间的无缝交互；开发标准化的 AI Skills，实现跨领域需求的快速组装与交付。\n● AI 驱动的研发效能提升：利用常用 AI IDE 及辅助工具优化开发全流程，探索 AI 赋能软件开发生命周期的最佳实践，推动团队从“Code Writer”向“AI native Architect”新研发范转型。\n\n职位要求\n1. Java 基础与分布式架构要求\n● 1 年及以上 JAVA 开发经验，Java 基础扎实，深刻理解 JVM 原理及常用开源框架（Spring Boot/Cloud等）的核心机制。\n● 熟悉分布式系统设计，精通缓存（Redis）、消息队列（Kafka/RocketMQ等）及微服务架构，能合理运用分布式技术解决高并发与数据一致性问题，为 AI 应用提供稳固的后端支撑。\n2. 数据库与操作系统能力\n● 熟练掌握 Linux 操作系统，具备扎实的 SQL 编写与优化能力，熟练使用 MySQL、Oracle等大型数据库，能够高效处理履约链路中的海量数据。\n3. AI Native 核心技术栈（核心竞争力）\n● LLM 深度应用：深入理解大语言模型工作原理，具备高级 Prompt Engineering 能力，熟悉向量数据库选型及知识库（RAG）构建流程。\n● Agent 实战与调优：具备 LangChain、LlamaIndex、AutoGen 或类似框架的深度使用经验。有 Agent 研发、多步推理编排及效果调优经验者优先，特别是在履约表达与协同等复杂业务逻辑下的实际落地案例。\n● 前沿工程协议：了解并掌握 MCP 协议，具备 Context Engineering 实战经验，熟悉 Harness 工程 或 SDD相关开发模式，能够独立开发可复用、可组合的 AI Skills。\n● AI 辅助开发专家：熟练掌握 Copilot、Cursor 等 AI IDE 工具，具备利用 AI 工具链加速跨领域需求交付的能力，并能总结最佳实践反哺团队。\n4.加分项\n● 技术敏锐度与创新力：对 AI 新技术保持强烈的好奇心与钻研精神，追求优雅的代码与架构设计。具备良好的技术视野，能够从技术趋势层面影响并带动团队向 AI Native 转型。\n● 软技能: 学习能力强，具备良好的适应能力、耐心与细心，善于在业务与技术之间搭建沟通桥梁。\n1. 履约核心系统设计\n● 负责履约表达与协同领域核心功能的领域建模、架构设计及编码实现。不仅关注传统业务逻辑，更致力于将 AI 能力原生地融入业务流程，确保系统的高可用性与智能化扩展性。\n● 主导重点项目的技术方案设计与评审，攻克“业务+AI”结合部的技术难点，保障项目高质量交付。\n2. 系统性能优化与AI重构\n● 深入分析现有系统的瓶颈，通过重构代码、优化算法及引入 AI 辅助决策机制，显著提升系统性能与业务处理效率。\n● 基于 DDD（领域驱动设计） 方法论，清晰划分履约业务的领域边界，构建高内聚、低耦合的业务模型，为 AI Agent 提供清晰、标准化的业务接口与数据上下文。\n3. AI Native 应用落地与工程化\n● Agent 研发与场景落地：负责 AI Agent 在履约协同复杂场景（如智能调度、异常自动处置、多式联运协同、客服交互等）中的研发、编排、调优与实际落地，解决传统规则引擎难以处理的长尾问题。\n● LLM 工程化体系建设：掌握 LLM 基本原理，负责企业级知识库（RAG）的构建与维护；熟练运用 Context Engineering（上下文工程） 和 Harness 工程/SDD 开发能力，优化 Prompt 策略，提升大模型在垂直业务场景下的准确性、稳定性与可控性。\n● 协议标准化与技能扩展：基于 MCP (Model Context Protocol) 协议打通数据孤岛，实现系统与模型间的无缝交互；开发标准化的 AI Skills，实现跨领域需求的快速组装与交付。\n● AI 驱动的研发效能提升：利用常用 AI IDE 及辅助工具优化开发全流程，探索 AI 赋能软件开发生命周期的最佳实践，推动团队从“Code Writer”向“AI native Architect”新研发范转型。\n1. Java 基础与分布式架构要求\n● 1 年及以上 JAVA 开发经验，Java 基础扎实，深刻理解 JVM 原理及常用开源框架（Spring Boot/Cloud等）的核心机制。\n● 熟悉分布式系统设计，精通缓存（Redis）、消息队列（Kafka/RocketMQ等）及微服务架构，能合理运用分布式技术解决高并发与数据一致性问题，为 AI 应用提供稳固的后端支撑。\n2. 数据库与操作系统能力\n● 熟练掌握 Linux 操作系统，具备扎实的 SQL 编写与优化能力，熟练使用 MySQL、Oracle等大型数据库，能够高效处理履约链路中的海量数据。\n3. AI Native 核心技术栈（核心竞争力）\n● LLM 深度应用：深入理解大语言模型工作原理，具备高级 Prompt Engineering 能力，熟悉向量数据库选型及知识库（RAG）构建流程。\n● Agent 实战与调优：具备 LangChain、LlamaIndex、AutoGen 或类似框架的深度使用经验。有 Agent 研发、多步推理编排及效果调优经验者优先，特别是在履约表达与协同等复杂业务逻辑下的实际落地案例。\n● 前沿工程协议：了解并掌握 MCP 协议，具备 Context Engineering 实战经验，熟悉 Harness 工程 或 SDD相关开发模式，能够独立开发可复用、可组合的 AI Skills。\n● AI 辅助开发专家：熟练掌握 Copilot、Cursor 等 AI IDE 工具，具备利用 AI 工具链加速跨领域需求交付的能力，并能总结最佳实践反哺团队。\n4.加分项\n● 技术敏锐度与创新力：对 AI 新技术保持强烈的好奇心与钻研精神，追求优雅的代码与架构设计。具备良好的技术视野，能够从技术趋势层面影响并带动团队向 AI Native 转型。\n● 软技能: 学习能力强，具备良好的适应能力、耐心与细心，善于在业务与技术之间搭建沟通桥梁。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T008"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}