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-前沿部署工程师（FDE）-Forward 知识工程&智能服务- 杭州/北京",
"job_level": "未披露",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": "未披露"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": "岗位定位：\n将大模型能力转化为可上线、可运营、成本可控的产品化能力。你将主导从问题定义到生产交付的全链路工作——做技术选型、搭应用架构、建数据闭环、构建评测体系，最终交付可持续迭代的 AI 产品。\n核心职责：\n- 与业务、产品共创需求，将业务诉求拆解为可落地的技术方案，明确目标、边界与验收标准。\n- 对所负责模块的线上质量、稳定性与成本负责，建立监控、告警与兜底机制，驱动持续迭代。\n- 在 Prompt Engineering / RAG / Agent / 微调等方案间做技术选型，设计端到端应用架构（含上下文管理、工具调用、记忆机制、安全策略），完成生产级交付。\n- 搭建 Agent 系统的工程化落地，包括多 Agent 协作与编排、Tool-Use（MCP 等协议）集成、Memory 管理，推动从原型到线上的完整闭环。\n- 构建数据飞轮：设计采集、清洗、标注的工程化流水线，打通\"上线 → 反馈 → 数据 → 迭代\"循环。\n- 面向业务目标设计评测指标，搭建自动化评测框架（LLM-as-Judge / Auto-rater），执行线上 A/B 实验，监控效果漂移并及时干预。",
"requirements_text": "基础条件\n- 计算机、数学、统计学等相关专业，本科及以上学历。\n- 3 年以上 AI 应用相关工作经验，具备扎实的工程实现能力。\n- 精通 Python，熟悉主流 LLM 应用开发框架与工具链。\n核心能力（必须具备）\n- 应用架构能力：能独立完成 LLM 应用的端到端架构设计，在 Prompt / RAG / Agent / 微调间做出合理选型并落地。\n- Agent 工程化：有完整的 Agent 系统从 0 到 1 上线经验，熟悉多 Agent 编排、Tool-Use、Memory 等核心模块的工程实现。\n- 交付导向：关注从原型到上线的完整路径，能主动识别风险、推动跨团队协作，按时交付可运营的产品能力。\n- 数据意识：具备 Data-centric 思维，能设计数据闭环驱动产品迭代，有合成数据或数据质量治理经验者优先。\n- 评测能力：能搭建自动化评估体系，具备复杂任务的量化评估与根因定位能力。\n能力特质\n- 技术判断力：能在多种技术路线中快速识别关键瓶颈，做出有依据的取舍，而非堆砌技术。\n- 技术审美：能区分\"能跑\"与\"可上线\"，追求简洁、可维护的工程实现，避免过度设计。\n- 业务体感：能站在用户和产品视角思考问题，不只是完成算法指标，而是交付业务价值。",
"skills": [AI生成
"Python",
"架构设计",
"团队协作",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "数据意识：具备 Data-centric 思维，能设计数据闭环驱动产品迭代，有合成数据或数据质量治理经验者优先",
"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=100040480001"
}
]
},
"posting": {
"posting_id": "100040480001",
"post_date": "2026-09-10",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.aliyun.com/off-campus/position-detail?positionId=100040480001"
},
"fulltext": "阿里云智能-前沿部署工程师（FDE）-Forward 知识工程&智能服务- 杭州/北京\n阿里云智能-前沿部署工程师（FDE）-Forward 知识工程&智能服务- 杭州/北京\n\n基础信息\n工作地点：北京 / 杭州\n\n职位描述\n岗位定位：\n将大模型能力转化为可上线、可运营、成本可控的产品化能力。你将主导从问题定义到生产交付的全链路工作——做技术选型、搭应用架构、建数据闭环、构建评测体系，最终交付可持续迭代的 AI 产品。\n核心职责：\n- 与业务、产品共创需求，将业务诉求拆解为可落地的技术方案，明确目标、边界与验收标准。\n- 对所负责模块的线上质量、稳定性与成本负责，建立监控、告警与兜底机制，驱动持续迭代。\n- 在 Prompt Engineering / RAG / Agent / 微调等方案间做技术选型，设计端到端应用架构（含上下文管理、工具调用、记忆机制、安全策略），完成生产级交付。\n- 搭建 Agent 系统的工程化落地，包括多 Agent 协作与编排、Tool-Use（MCP 等协议）集成、Memory 管理，推动从原型到线上的完整闭环。\n- 构建数据飞轮：设计采集、清洗、标注的工程化流水线，打通\"上线 → 反馈 → 数据 → 迭代\"循环。\n- 面向业务目标设计评测指标，搭建自动化评测框架（LLM-as-Judge / Auto-rater），执行线上 A/B 实验，监控效果漂移并及时干预。\n\n职位要求\n基础条件\n- 计算机、数学、统计学等相关专业，本科及以上学历。\n- 3 年以上 AI 应用相关工作经验，具备扎实的工程实现能力。\n- 精通 Python，熟悉主流 LLM 应用开发框架与工具链。\n核心能力（必须具备）\n- 应用架构能力：能独立完成 LLM 应用的端到端架构设计，在 Prompt / RAG / Agent / 微调间做出合理选型并落地。\n- Agent 工程化：有完整的 Agent 系统从 0 到 1 上线经验，熟悉多 Agent 编排、Tool-Use、Memory 等核心模块的工程实现。\n- 交付导向：关注从原型到上线的完整路径，能主动识别风险、推动跨团队协作，按时交付可运营的产品能力。\n- 数据意识：具备 Data-centric 思维，能设计数据闭环驱动产品迭代，有合成数据或数据质量治理经验者优先。\n- 评测能力：能搭建自动化评估体系，具备复杂任务的量化评估与根因定位能力。\n能力特质\n- 技术判断力：能在多种技术路线中快速识别关键瓶颈，做出有依据的取舍，而非堆砌技术。\n- 技术审美：能区分\"能跑\"与\"可上线\"，追求简洁、可维护的工程实现，避免过度设计。\n- 业务体感：能站在用户和产品视角思考问题，不只是完成算法指标，而是交付业务价值。\n岗位定位：\n将大模型能力转化为可上线、可运营、成本可控的产品化能力。你将主导从问题定义到生产交付的全链路工作——做技术选型、搭应用架构、建数据闭环、构建评测体系，最终交付可持续迭代的 AI 产品。\n核心职责：\n- 与业务、产品共创需求，将业务诉求拆解为可落地的技术方案，明确目标、边界与验收标准。\n- 对所负责模块的线上质量、稳定性与成本负责，建立监控、告警与兜底机制，驱动持续迭代。\n- 在 Prompt Engineering / RAG / Agent / 微调等方案间做技术选型，设计端到端应用架构（含上下文管理、工具调用、记忆机制、安全策略），完成生产级交付。\n- 搭建 Agent 系统的工程化落地，包括多 Agent 协作与编排、Tool-Use（MCP 等协议）集成、Memory 管理，推动从原型到线上的完整闭环。\n- 构建数据飞轮：设计采集、清洗、标注的工程化流水线，打通\"上线 → 反馈 → 数据 → 迭代\"循环。\n- 面向业务目标设计评测指标，搭建自动化评测框架（LLM-as-Judge / Auto-rater），执行线上 A/B 实验，监控效果漂移并及时干预。\n基础条件\n- 计算机、数学、统计学等相关专业，本科及以上学历。\n- 3 年以上 AI 应用相关工作经验，具备扎实的工程实现能力。\n- 精通 Python，熟悉主流 LLM 应用开发框架与工具链。\n核心能力（必须具备）\n- 应用架构能力：能独立完成 LLM 应用的端到端架构设计，在 Prompt / RAG / Agent / 微调间做出合理选型并落地。\n- Agent 工程化：有完整的 Agent 系统从 0 到 1 上线经验，熟悉多 Agent 编排、Tool-Use、Memory 等核心模块的工程实现。\n- 交付导向：关注从原型到上线的完整路径，能主动识别风险、推动跨团队协作，按时交付可运营的产品能力。\n- 数据意识：具备 Data-centric 思维，能设计数据闭环驱动产品迭代，有合成数据或数据质量治理经验者优先。\n- 评测能力：能搭建自动化评估体系，具备复杂任务的量化评估与根因定位能力。\n能力特质\n- 技术判断力：能在多种技术路线中快速识别关键瓶颈，做出有依据的取舍，而非堆砌技术。\n- 技术审美：能区分\"能跑\"与\"可上线\"，追求简洁、可维护的工程实现，避免过度设计。\n- 业务体感：能站在用户和产品视角思考问题，不只是完成算法指标，而是交付业务价值。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T015"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}