{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "阿里云智能-媒体处理研发专家（AI 方向）-北京/杭州",
        "job_level": "专家",AI生成
        "work_category": "全职",AI生成
        "department": "云智能集团",
        "location": "北京 / 杭州",
        "work_mode": "未披露",AI生成
        "job_category": "软件研发"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": 5,
        "degree": "● 计算机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. 媒体处理核心系统架构与研发\n● 主导视频转码、截图、Meta 、媒体工作流、切片打包等核心媒体处理能力的架构设计与持续优化，保障高并发、高可用、低成本。\n● 负责转码增强方向（超分辨率、窄带高清、画质修复、音频增强等）的技术探索与工程落地，结合 AI 提升媒体处理效果与效率。\n● 设计并优化大规模媒体处理任务调度、状态流转、数据一致性与资源利用率，支撑日均千万级媒体处理任务。\n● 负责媒体处理服务的稳定性建设，包括 API 5XX 治理、可观测性、容灾降级、自动化运维与灾难恢复预案，系统可用性目标 99.9% 以上。\n2. AI 原生应用落地（Agent & RAG）\n● 深入媒体处理业务场景，利用 Agent 技术拆解复杂业务需求，设计包含记忆管理、推理策略、工具调用的智能系统，实现媒体生产与运维的自动化闭环。\n● 搭建基于 RAG 的视频与媒体处理领域知识库，优化向量检索、召回质量及上下文注入策略，为大模型提供精准的编解码参数、业务规则等知识支撑，有效抑制模型幻觉。\n● 负责意图识别、步骤规划、反思纠错等 Agent 关键模块的工程化落地；封装标准化 SDK/API，构建 Agent 观测体系，实现全链路追踪与多维效果归因。\n● 探索大模型在智能运维、自动化问题定位、智能文档生成、智能转码参数推荐等场景的落地。\n3. 技术融合与效能提升\n● 将传统媒体处理技术与大模型能力结合，探索基于自然语言指令的视频编辑、智能摘要、自动化质检、智能封面、内容审核等创新功能。\n● 作为 AI 编程工具重度用户（如 Qoder、Cursor、通义灵码），通过高阶 Prompt Engineering 和自动化代码生成提升研发效率；建立自动化评测与回测机制，推动 AI 能力从单点验证走向规模化落地。\n4. 前沿技术探索与团队影响\n● 跟踪业界在多模态大模型、智能媒体生产、分布式计算、云原生方向的最新进展，将其转化为可落地的技术方案。\n● 每季度输出至少 1 篇高质量技术沉淀（架构设计文档、专利或技术博客），持续提升产品行业影响力。",
        "requirements_text": "1. 基础素质\n● 计算机相关专业本科及以上学历，5 年以上后端开发经验，其中至少 2 年媒体处理或音视频相关领域经验。\n● 具备极强的逻辑思维能力、责任心、学习能力以及抗压能力，拥有良好的沟通协作能力及跨团队推动力。\n2. 核心技术栈\n● 编程语言：精通 Java / Go / C++ / Python 中至少一门主流语言，具备深厚的编码功底，熟悉多线程、网络编程及内存管理。\n● 媒体处理领域：\n○ 熟悉音视频基础知识（封装格式、编码标准 H.264/H.265/H.266/AV1、码率控制、流媒体协议等）。\n○ 有视频点播 / 直播系统、分布式媒体处理服务、转码集群业务层或智能媒资系统的开发经验。\n○ 熟悉 FFmpeg 原理及应用，或有基于开源媒体处理框架进行二次开发的经验。\n○ 了解转码增强（超分、窄带高清、画质修复、音频增强）等方向。\n○ 分布式架构：精通微服务、缓存、消息队列、分布式数据库等中间件原理，有海量非结构化数据（视频文件）及元数据处理实战经验。\n● 云原生：熟悉 Kubernetes、可观测体系，具备云原生环境下的系统设计与调优能力。\n3. AI 应用能力\n● 大模型工程化：深刻理解主流 LLM 的能力边界，熟练掌握 Context Engineering、Prompt Engineering、Function Calling 等范式。\n● AI 工具链：是 AI 编程工具的重度玩家，擅长利用 AI 辅助进行系统设计与代码编写；具备将模糊的业务痛点转化为明确 AI 解决方案的能力。\n● Agent / RAG 落地：有多智能体编排、RAG 知识库、视频垂类大模型应用的完整落地经验者优先。\n● 风险应对：具备大模型幻觉抑制、Prompt 注入防御等安全工程化思路，能设计确定性逻辑兜底方案以保障业务稳定性。\n4. 加分项\n● 熟悉阿里云百炼、通义千问、OpenAI、Claude 等模型平台或模型能力。\n● 在 GitHub 上有高质量的音视频处理或 AI 相关开源项目，或有技术博客 / 社区影响力。\n● 有独立完成的个人 Demo 或创新小项目，展现出对新技术的敏锐度和审美追求。",
        "skills": [AI生成
            "Python",
            "Java",
            "C++",
            "Kubernetes",
            "微服务",
            "数据库",
            "逻辑思维",
            "学习能力",
            "Go",
            "大语言模型",
            "检索增强生成",
            "智能体开发"
        ],
        "preferred_qualifications": "● Agent / RAG 落地：有多智能体编排、RAG 知识库、视频垂类大模型应用的完整落地经验者优先；4. 加分项",
        "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=100039080003"
            }
        ]
    },
    "posting": {
        "posting_id": "100039080003",
        "post_date": "2026-09-08",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://careers.aliyun.com/off-campus/position-detail?positionId=100039080003"
    },
    "fulltext": "阿里云智能-媒体处理研发专家（AI 方向）-北京/杭州\n阿里云智能-媒体处理研发专家（AI 方向）-北京/杭州\n\n基础信息\n工作地点：北京 / 杭州\n\n职位描述\n1. 媒体处理核心系统架构与研发\n● 主导视频转码、截图、Meta 、媒体工作流、切片打包等核心媒体处理能力的架构设计与持续优化，保障高并发、高可用、低成本。\n● 负责转码增强方向（超分辨率、窄带高清、画质修复、音频增强等）的技术探索与工程落地，结合 AI 提升媒体处理效果与效率。\n● 设计并优化大规模媒体处理任务调度、状态流转、数据一致性与资源利用率，支撑日均千万级媒体处理任务。\n● 负责媒体处理服务的稳定性建设，包括 API 5XX 治理、可观测性、容灾降级、自动化运维与灾难恢复预案，系统可用性目标 99.9% 以上。\n2. AI 原生应用落地（Agent & RAG）\n● 深入媒体处理业务场景，利用 Agent 技术拆解复杂业务需求，设计包含记忆管理、推理策略、工具调用的智能系统，实现媒体生产与运维的自动化闭环。\n● 搭建基于 RAG 的视频与媒体处理领域知识库，优化向量检索、召回质量及上下文注入策略，为大模型提供精准的编解码参数、业务规则等知识支撑，有效抑制模型幻觉。\n● 负责意图识别、步骤规划、反思纠错等 Agent 关键模块的工程化落地；封装标准化 SDK/API，构建 Agent 观测体系，实现全链路追踪与多维效果归因。\n● 探索大模型在智能运维、自动化问题定位、智能文档生成、智能转码参数推荐等场景的落地。\n3. 技术融合与效能提升\n● 将传统媒体处理技术与大模型能力结合，探索基于自然语言指令的视频编辑、智能摘要、自动化质检、智能封面、内容审核等创新功能。\n● 作为 AI 编程工具重度用户（如 Qoder、Cursor、通义灵码），通过高阶 Prompt Engineering 和自动化代码生成提升研发效率；建立自动化评测与回测机制，推动 AI 能力从单点验证走向规模化落地。\n4. 前沿技术探索与团队影响\n● 跟踪业界在多模态大模型、智能媒体生产、分布式计算、云原生方向的最新进展，将其转化为可落地的技术方案。\n● 每季度输出至少 1 篇高质量技术沉淀（架构设计文档、专利或技术博客），持续提升产品行业影响力。\n\n职位要求\n1. 基础素质\n● 计算机相关专业本科及以上学历，5 年以上后端开发经验，其中至少 2 年媒体处理或音视频相关领域经验。\n● 具备极强的逻辑思维能力、责任心、学习能力以及抗压能力，拥有良好的沟通协作能力及跨团队推动力。\n2. 核心技术栈\n● 编程语言：精通 Java / Go / C++ / Python 中至少一门主流语言，具备深厚的编码功底，熟悉多线程、网络编程及内存管理。\n● 媒体处理领域：\n○ 熟悉音视频基础知识（封装格式、编码标准 H.264/H.265/H.266/AV1、码率控制、流媒体协议等）。\n○ 有视频点播 / 直播系统、分布式媒体处理服务、转码集群业务层或智能媒资系统的开发经验。\n○ 熟悉 FFmpeg 原理及应用，或有基于开源媒体处理框架进行二次开发的经验。\n○ 了解转码增强（超分、窄带高清、画质修复、音频增强）等方向。\n○ 分布式架构：精通微服务、缓存、消息队列、分布式数据库等中间件原理，有海量非结构化数据（视频文件）及元数据处理实战经验。\n● 云原生：熟悉 Kubernetes、可观测体系，具备云原生环境下的系统设计与调优能力。\n3. AI 应用能力\n● 大模型工程化：深刻理解主流 LLM 的能力边界，熟练掌握 Context Engineering、Prompt Engineering、Function Calling 等范式。\n● AI 工具链：是 AI 编程工具的重度玩家，擅长利用 AI 辅助进行系统设计与代码编写；具备将模糊的业务痛点转化为明确 AI 解决方案的能力。\n● Agent / RAG 落地：有多智能体编排、RAG 知识库、视频垂类大模型应用的完整落地经验者优先。\n● 风险应对：具备大模型幻觉抑制、Prompt 注入防御等安全工程化思路，能设计确定性逻辑兜底方案以保障业务稳定性。\n4. 加分项\n● 熟悉阿里云百炼、通义千问、OpenAI、Claude 等模型平台或模型能力。\n● 在 GitHub 上有高质量的音视频处理或 AI 相关开源项目，或有技术博客 / 社区影响力。\n● 有独立完成的个人 Demo 或创新小项目，展现出对新技术的敏锐度和审美追求。\n1. 媒体处理核心系统架构与研发\n● 主导视频转码、截图、Meta 、媒体工作流、切片打包等核心媒体处理能力的架构设计与持续优化，保障高并发、高可用、低成本。\n● 负责转码增强方向（超分辨率、窄带高清、画质修复、音频增强等）的技术探索与工程落地，结合 AI 提升媒体处理效果与效率。\n● 设计并优化大规模媒体处理任务调度、状态流转、数据一致性与资源利用率，支撑日均千万级媒体处理任务。\n● 负责媒体处理服务的稳定性建设，包括 API 5XX 治理、可观测性、容灾降级、自动化运维与灾难恢复预案，系统可用性目标 99.9% 以上。\n2. AI 原生应用落地（Agent & RAG）\n● 深入媒体处理业务场景，利用 Agent 技术拆解复杂业务需求，设计包含记忆管理、推理策略、工具调用的智能系统，实现媒体生产与运维的自动化闭环。\n● 搭建基于 RAG 的视频与媒体处理领域知识库，优化向量检索、召回质量及上下文注入策略，为大模型提供精准的编解码参数、业务规则等知识支撑，有效抑制模型幻觉。\n● 负责意图识别、步骤规划、反思纠错等 Agent 关键模块的工程化落地；封装标准化 SDK/API，构建 Agent 观测体系，实现全链路追踪与多维效果归因。\n● 探索大模型在智能运维、自动化问题定位、智能文档生成、智能转码参数推荐等场景的落地。\n3. 技术融合与效能提升\n● 将传统媒体处理技术与大模型能力结合，探索基于自然语言指令的视频编辑、智能摘要、自动化质检、智能封面、内容审核等创新功能。\n● 作为 AI 编程工具重度用户（如 Qoder、Cursor、通义灵码），通过高阶 Prompt Engineering 和自动化代码生成提升研发效率；建立自动化评测与回测机制，推动 AI 能力从单点验证走向规模化落地。\n4. 前沿技术探索与团队影响\n● 跟踪业界在多模态大模型、智能媒体生产、分布式计算、云原生方向的最新进展，将其转化为可落地的技术方案。\n● 每季度输出至少 1 篇高质量技术沉淀（架构设计文档、专利或技术博客），持续提升产品行业影响力。\n1. 基础素质\n● 计算机相关专业本科及以上学历，5 年以上后端开发经验，其中至少 2 年媒体处理或音视频相关领域经验。\n● 具备极强的逻辑思维能力、责任心、学习能力以及抗压能力，拥有良好的沟通协作能力及跨团队推动力。\n2. 核心技术栈\n● 编程语言：精通 Java / Go / C++ / Python 中至少一门主流语言，具备深厚的编码功底，熟悉多线程、网络编程及内存管理。\n● 媒体处理领域：\n○ 熟悉音视频基础知识（封装格式、编码标准 H.264/H.265/H.266/AV1、码率控制、流媒体协议等）。\n○ 有视频点播 / 直播系统、分布式媒体处理服务、转码集群业务层或智能媒资系统的开发经验。\n○ 熟悉 FFmpeg 原理及应用，或有基于开源媒体处理框架进行二次开发的经验。\n○ 了解转码增强（超分、窄带高清、画质修复、音频增强）等方向。\n○ 分布式架构：精通微服务、缓存、消息队列、分布式数据库等中间件原理，有海量非结构化数据（视频文件）及元数据处理实战经验。\n● 云原生：熟悉 Kubernetes、可观测体系，具备云原生环境下的系统设计与调优能力。\n3. AI 应用能力\n● 大模型工程化：深刻理解主流 LLM 的能力边界，熟练掌握 Context Engineering、Prompt Engineering、Function Calling 等范式。\n● AI 工具链：是 AI 编程工具的重度玩家，擅长利用 AI 辅助进行系统设计与代码编写；具备将模糊的业务痛点转化为明确 AI 解决方案的能力。\n● Agent / RAG 落地：有多智能体编排、RAG 知识库、视频垂类大模型应用的完整落地经验者优先。\n● 风险应对：具备大模型幻觉抑制、Prompt 注入防御等安全工程化思路，能设计确定性逻辑兜底方案以保障业务稳定性。\n4. 加分项\n● 熟悉阿里云百炼、通义千问、OpenAI、Claude 等模型平台或模型能力。\n● 在 GitHub 上有高质量的音视频处理或 AI 相关开源项目，或有技术博客 / 社区影响力。\n● 有独立完成的个人 Demo 或创新小项目，展现出对新技术的敏锐度和审美追求。",
    "standard_classification": {
        "std_category_code": "T032",
        "std_aux_codes": [
            "T009"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}