主分类：后端与业务系统研发
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": "千问办公-AI开发工程师-钉钉知识管理方向",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类-开发"AI生成
},
"company": {
"company_name": "钉钉",
"company_industry": "企业服务 / 协同办公",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "钉钉提供企业沟通、协同办公和组织数字化工具。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "你将获得"
},
"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": "团队介绍\n我们是钉钉知识管理团队，致力于打造企业数字资产的核心基础设施与产品体系，帮助企业安全、高效地沉淀、管理、流通和应用知识。\n团队业务包括但不限于：\n● 企业级 AI 原生文件系统：提供统一的文件存储、组织、同步、检索和智能处理能力，支撑企业数字资产全生命周期管理；\n● 在线文档产品：支撑多人实时协作、内容创作、发布与消费，持续提升企业协同效率；\n● 群文件：连接沟通与内容，让群聊中产生的文件和知识可沉淀、可管理、可复用；\n● 知识库与 LLM-Wiki：帮助组织构建结构化、可持续进化的知识体系，并通过大模型增强知识理解、组织、检索、问答与创作；\n● 钉盘：为企业提供安全可靠的文件存储、共享、协作与管理服务。\n随着 AI 深入办公场景，我们正在推动文件和内容从“被动存储”走向“可理解、可组织、可检索、可生成、可行动”。团队也在建设面向知识管理场景的 AI Harness，将模型接入、上下文构建、任务编排、工具调用、效果评测、安全治理与可观测性沉淀为通用工程能力。你将参与钉钉知识管理核心产品与基础能力建设，在大规模分布式系统、内容与文件技术、企业级权限安全、搜索和 AI 工程的交叉领域解决真实问题。\n你将获得\n1. 参与钉钉知识管理核心业务建设，服务企业数字资产沉淀、管理、流通和智能应用的关键链路。\n2. 深入在线文档、群文件、知识库、钉盘及 AI 原生文件系统等多类产品场景，获得兼具技术深度与业务广度的实践机会。\n3. 在分布式系统、文件与内容技术、搜索、数据安全和 AI 工程的交叉领域持续成长。\n4. 与产品、算法和工程团队共同探索 AI 时代企业知识管理的新形态。\n5. 清晰的职业发展路径，可沿技术专家或管理方向持续发展。\n岗位职责\n1. 参与钉钉知识管理业务的服务端设计与研发，覆盖在线文档、群文件、知识库、钉盘及企业级 AI 原生文件系统等产品和平台能力。\n2. 负责核心业务模块的需求分析、技术方案设计、开发上线和持续演进，对模块交付质量、稳定性与用户体验负责。\n3. 建设统一的企业文件与内容基础能力，包括文件元数据、目录与空间、版本管理、分享协作、发布预览、内容生命周期等。\n4. 参与高可用、高并发、可扩展的分布式系统建设，持续优化存储、索引、同步和访问链路的性能、稳定性与成本。\n5. 建设企业级权限与数据安全能力，包括多租户隔离、细粒度权限模型、审计追踪、数据加密及合规管控。\n6. 参与知识数据基础设施建设，解决内容解析、数据一致性、实时更新、权限过滤和大规模检索等技术问题。\n7. 建设面向知识管理场景的 AI Harness，完善模型接入与路由、上下文工程、任务编排、工具调用、评测反馈、安全治理、成本优化和可观测性等通用能力。\n8. 建设 LLM-Wiki 等 AI 原生知识产品能力，推动内容理解、智能组织、语义检索、RAG、知识问答、AI 辅助创作与 Agent 的产品化落地。\n9. 完善服务治理与可观测性体系，通过缓存、消息队列、限流降级、故障恢复、日志、指标和链路追踪提升系统韧性。\n10. 与产品、客户端、前端、算法、测试等角色紧密协作，将复杂业务问题拆解为清晰、可演进的技术方案。",
"requirements_text": "任职要求\n1. 本科及以上学历，计算机相关专业优先，或具备同等专业能力；具有 3 年及以上后端研发经验，最终职级以能力评估为准。\n2. 扎实掌握 Java，熟悉并发编程、JVM、网络与 I/O，具备良好的编码、性能分析和问题排查能力；熟悉 Go 或 Python 者更佳。\n3. 深入理解分布式系统基本原理，具备微服务架构实践经验，熟悉服务治理、RPC、缓存、消息队列、限流降级、幂等和数据一致性等常见机制。\n4. 熟悉 MySQL 或 PostgreSQL 等关系型数据库，具备数据模型设计、事务分析、索引设计和 SQL 优化能力；熟悉 Redis、Elasticsearch 等组件中的至少一种。\n5. 在以下方向中至少具备一项有深度的项目经验：\n○ 企业文件、内容或对象存储系统；\n○ 在线协作、内容平台或知识库；\n○ 搜索、索引与数据处理；\n○ 企业权限与数据安全；\n○ AI 应用、RAG 或向量检索。\n6. 具备良好的系统设计和工程交付能力，能够独立完成模块级需求拆解、技术方案、开发上线和稳定性保障。\n7. 重视代码质量、可测试性、可观测性和长期可维护性，具有良好的沟通协作意识、责任心和学习能力。\n加分项\n1. 有在线文档、云盘、群文件、企业内容管理、知识库或协同办公产品研发经验。\n2. 熟悉 OSS、S3、MinIO 等对象存储，具有文件分片、断点续传、秒传、跨端同步或 CDN 加速实践经验。\n3. 熟悉 Elasticsearch、OpenSearch 或 Lucene，具有大规模索引、检索性能优化和权限过滤经验。\n4. 具有 AI Harness 或 LLM 应用平台建设经验，熟悉模型网关、上下文工程、工作流编排、工具调用、评测体系、Guardrails、推理成本与 AI 可观测性中的一个或多个方向。\n5. 具有 LLM-Wiki、RAG、Embedding、向量数据库、知识图谱或 Agent 工程实践，能够结合召回、生成与评测指标持续优化知识问答效果。\n6. 具有 RBAC/ABAC、多租户隔离、数据脱敏、审计追踪或加密体系建设经验。\n7. 具有高并发、大数据量系统的架构设计、容量评估、性能优化或稳定性治理经验。\n8. 熟悉 Kubernetes、Docker、Prometheus、Grafana 等云原生与可观测性技术。\n9. 有开源项目贡献、技术文章分享或复杂技术项目主导经验。",
"skills": [AI生成
"Python",
"Java",
"SQL",
"MySQL",
"PostgreSQL",
"Redis",
"Docker",
"Kubernetes",
"Elasticsearch",
"分布式系统",
"微服务",
"数据库",
"知识图谱",
"性能优化",
"架构设计",
"审计",
"学习能力",
"Go",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "1. 本科及以上学历，计算机相关专业优先，或具备同等专业能力；加分项",
"job_highlights": "你将获得"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.dingtalk.com/off-campus/position-detail?positionId=100040840001"
}
]
},
"posting": {
"posting_id": "100040840001",
"post_date": "2026-09-11",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.dingtalk.com/off-campus/position-detail?positionId=100040840001"
},
"fulltext": "千问办公-AI开发工程师-钉钉知识管理方向\n千问办公-AI开发工程师-钉钉知识管理方向\n\n基础信息\n职位类别：技术类-开发\n工作地点：杭州\n\n职位描述\n团队介绍\n我们是钉钉知识管理团队，致力于打造企业数字资产的核心基础设施与产品体系，帮助企业安全、高效地沉淀、管理、流通和应用知识。\n团队业务包括但不限于：\n● 企业级 AI 原生文件系统：提供统一的文件存储、组织、同步、检索和智能处理能力，支撑企业数字资产全生命周期管理；\n● 在线文档产品：支撑多人实时协作、内容创作、发布与消费，持续提升企业协同效率；\n● 群文件：连接沟通与内容，让群聊中产生的文件和知识可沉淀、可管理、可复用；\n● 知识库与 LLM-Wiki：帮助组织构建结构化、可持续进化的知识体系，并通过大模型增强知识理解、组织、检索、问答与创作；\n● 钉盘：为企业提供安全可靠的文件存储、共享、协作与管理服务。\n随着 AI 深入办公场景，我们正在推动文件和内容从“被动存储”走向“可理解、可组织、可检索、可生成、可行动”。团队也在建设面向知识管理场景的 AI Harness，将模型接入、上下文构建、任务编排、工具调用、效果评测、安全治理与可观测性沉淀为通用工程能力。你将参与钉钉知识管理核心产品与基础能力建设，在大规模分布式系统、内容与文件技术、企业级权限安全、搜索和 AI 工程的交叉领域解决真实问题。\n你将获得\n1. 参与钉钉知识管理核心业务建设，服务企业数字资产沉淀、管理、流通和智能应用的关键链路。\n2. 深入在线文档、群文件、知识库、钉盘及 AI 原生文件系统等多类产品场景，获得兼具技术深度与业务广度的实践机会。\n3. 在分布式系统、文件与内容技术、搜索、数据安全和 AI 工程的交叉领域持续成长。\n4. 与产品、算法和工程团队共同探索 AI 时代企业知识管理的新形态。\n5. 清晰的职业发展路径，可沿技术专家或管理方向持续发展。\n岗位职责\n1. 参与钉钉知识管理业务的服务端设计与研发，覆盖在线文档、群文件、知识库、钉盘及企业级 AI 原生文件系统等产品和平台能力。\n2. 负责核心业务模块的需求分析、技术方案设计、开发上线和持续演进，对模块交付质量、稳定性与用户体验负责。\n3. 建设统一的企业文件与内容基础能力，包括文件元数据、目录与空间、版本管理、分享协作、发布预览、内容生命周期等。\n4. 参与高可用、高并发、可扩展的分布式系统建设，持续优化存储、索引、同步和访问链路的性能、稳定性与成本。\n5. 建设企业级权限与数据安全能力，包括多租户隔离、细粒度权限模型、审计追踪、数据加密及合规管控。\n6. 参与知识数据基础设施建设，解决内容解析、数据一致性、实时更新、权限过滤和大规模检索等技术问题。\n7. 建设面向知识管理场景的 AI Harness，完善模型接入与路由、上下文工程、任务编排、工具调用、评测反馈、安全治理、成本优化和可观测性等通用能力。\n8. 建设 LLM-Wiki 等 AI 原生知识产品能力，推动内容理解、智能组织、语义检索、RAG、知识问答、AI 辅助创作与 Agent 的产品化落地。\n9. 完善服务治理与可观测性体系，通过缓存、消息队列、限流降级、故障恢复、日志、指标和链路追踪提升系统韧性。\n10. 与产品、客户端、前端、算法、测试等角色紧密协作，将复杂业务问题拆解为清晰、可演进的技术方案。\n\n职位要求\n任职要求\n1. 本科及以上学历，计算机相关专业优先，或具备同等专业能力；具有 3 年及以上后端研发经验，最终职级以能力评估为准。\n2. 扎实掌握 Java，熟悉并发编程、JVM、网络与 I/O，具备良好的编码、性能分析和问题排查能力；熟悉 Go 或 Python 者更佳。\n3. 深入理解分布式系统基本原理，具备微服务架构实践经验，熟悉服务治理、RPC、缓存、消息队列、限流降级、幂等和数据一致性等常见机制。\n4. 熟悉 MySQL 或 PostgreSQL 等关系型数据库，具备数据模型设计、事务分析、索引设计和 SQL 优化能力；熟悉 Redis、Elasticsearch 等组件中的至少一种。\n5. 在以下方向中至少具备一项有深度的项目经验：\n○ 企业文件、内容或对象存储系统；\n○ 在线协作、内容平台或知识库；\n○ 搜索、索引与数据处理；\n○ 企业权限与数据安全；\n○ AI 应用、RAG 或向量检索。\n6. 具备良好的系统设计和工程交付能力，能够独立完成模块级需求拆解、技术方案、开发上线和稳定性保障。\n7. 重视代码质量、可测试性、可观测性和长期可维护性，具有良好的沟通协作意识、责任心和学习能力。\n加分项\n1. 有在线文档、云盘、群文件、企业内容管理、知识库或协同办公产品研发经验。\n2. 熟悉 OSS、S3、MinIO 等对象存储，具有文件分片、断点续传、秒传、跨端同步或 CDN 加速实践经验。\n3. 熟悉 Elasticsearch、OpenSearch 或 Lucene，具有大规模索引、检索性能优化和权限过滤经验。\n4. 具有 AI Harness 或 LLM 应用平台建设经验，熟悉模型网关、上下文工程、工作流编排、工具调用、评测体系、Guardrails、推理成本与 AI 可观测性中的一个或多个方向。\n5. 具有 LLM-Wiki、RAG、Embedding、向量数据库、知识图谱或 Agent 工程实践，能够结合召回、生成与评测指标持续优化知识问答效果。\n6. 具有 RBAC/ABAC、多租户隔离、数据脱敏、审计追踪或加密体系建设经验。\n7. 具有高并发、大数据量系统的架构设计、容量评估、性能优化或稳定性治理经验。\n8. 熟悉 Kubernetes、Docker、Prometheus、Grafana 等云原生与可观测性技术。\n9. 有开源项目贡献、技术文章分享或复杂技术项目主导经验。\n团队介绍\n我们是钉钉知识管理团队，致力于打造企业数字资产的核心基础设施与产品体系，帮助企业安全、高效地沉淀、管理、流通和应用知识。\n团队业务包括但不限于：\n● 企业级 AI 原生文件系统：提供统一的文件存储、组织、同步、检索和智能处理能力，支撑企业数字资产全生命周期管理；\n● 在线文档产品：支撑多人实时协作、内容创作、发布与消费，持续提升企业协同效率；\n● 群文件：连接沟通与内容，让群聊中产生的文件和知识可沉淀、可管理、可复用；\n● 知识库与 LLM-Wiki：帮助组织构建结构化、可持续进化的知识体系，并通过大模型增强知识理解、组织、检索、问答与创作；\n● 钉盘：为企业提供安全可靠的文件存储、共享、协作与管理服务。\n随着 AI 深入办公场景，我们正在推动文件和内容从“被动存储”走向“可理解、可组织、可检索、可生成、可行动”。团队也在建设面向知识管理场景的 AI Harness，将模型接入、上下文构建、任务编排、工具调用、效果评测、安全治理与可观测性沉淀为通用工程能力。你将参与钉钉知识管理核心产品与基础能力建设，在大规模分布式系统、内容与文件技术、企业级权限安全、搜索和 AI 工程的交叉领域解决真实问题。\n你将获得\n1. 参与钉钉知识管理核心业务建设，服务企业数字资产沉淀、管理、流通和智能应用的关键链路。\n2. 深入在线文档、群文件、知识库、钉盘及 AI 原生文件系统等多类产品场景，获得兼具技术深度与业务广度的实践机会。\n3. 在分布式系统、文件与内容技术、搜索、数据安全和 AI 工程的交叉领域持续成长。\n4. 与产品、算法和工程团队共同探索 AI 时代企业知识管理的新形态。\n5. 清晰的职业发展路径，可沿技术专家或管理方向持续发展。\n岗位职责\n1. 参与钉钉知识管理业务的服务端设计与研发，覆盖在线文档、群文件、知识库、钉盘及企业级 AI 原生文件系统等产品和平台能力。\n2. 负责核心业务模块的需求分析、技术方案设计、开发上线和持续演进，对模块交付质量、稳定性与用户体验负责。\n3. 建设统一的企业文件与内容基础能力，包括文件元数据、目录与空间、版本管理、分享协作、发布预览、内容生命周期等。\n4. 参与高可用、高并发、可扩展的分布式系统建设，持续优化存储、索引、同步和访问链路的性能、稳定性与成本。\n5. 建设企业级权限与数据安全能力，包括多租户隔离、细粒度权限模型、审计追踪、数据加密及合规管控。\n6. 参与知识数据基础设施建设，解决内容解析、数据一致性、实时更新、权限过滤和大规模检索等技术问题。\n7. 建设面向知识管理场景的 AI Harness，完善模型接入与路由、上下文工程、任务编排、工具调用、评测反馈、安全治理、成本优化和可观测性等通用能力。\n8. 建设 LLM-Wiki 等 AI 原生知识产品能力，推动内容理解、智能组织、语义检索、RAG、知识问答、AI 辅助创作与 Agent 的产品化落地。\n9. 完善服务治理与可观测性体系，通过缓存、消息队列、限流降级、故障恢复、日志、指标和链路追踪提升系统韧性。\n10. 与产品、客户端、前端、算法、测试等角色紧密协作，将复杂业务问题拆解为清晰、可演进的技术方案。\n任职要求\n1. 本科及以上学历，计算机相关专业优先，或具备同等专业能力；具有 3 年及以上后端研发经验，最终职级以能力评估为准。\n2. 扎实掌握 Java，熟悉并发编程、JVM、网络与 I/O，具备良好的编码、性能分析和问题排查能力；熟悉 Go 或 Python 者更佳。\n3. 深入理解分布式系统基本原理，具备微服务架构实践经验，熟悉服务治理、RPC、缓存、消息队列、限流降级、幂等和数据一致性等常见机制。\n4. 熟悉 MySQL 或 PostgreSQL 等关系型数据库，具备数据模型设计、事务分析、索引设计和 SQL 优化能力；熟悉 Redis、Elasticsearch 等组件中的至少一种。\n5. 在以下方向中至少具备一项有深度的项目经验：\n○ 企业文件、内容或对象存储系统；\n○ 在线协作、内容平台或知识库；\n○ 搜索、索引与数据处理；\n○ 企业权限与数据安全；\n○ AI 应用、RAG 或向量检索。\n6. 具备良好的系统设计和工程交付能力，能够独立完成模块级需求拆解、技术方案、开发上线和稳定性保障。\n7. 重视代码质量、可测试性、可观测性和长期可维护性，具有良好的沟通协作意识、责任心和学习能力。\n加分项\n1. 有在线文档、云盘、群文件、企业内容管理、知识库或协同办公产品研发经验。\n2. 熟悉 OSS、S3、MinIO 等对象存储，具有文件分片、断点续传、秒传、跨端同步或 CDN 加速实践经验。\n3. 熟悉 Elasticsearch、OpenSearch 或 Lucene，具有大规模索引、检索性能优化和权限过滤经验。\n4. 具有 AI Harness 或 LLM 应用平台建设经验，熟悉模型网关、上下文工程、工作流编排、工具调用、评测体系、Guardrails、推理成本与 AI 可观测性中的一个或多个方向。\n5. 具有 LLM-Wiki、RAG、Embedding、向量数据库、知识图谱或 Agent 工程实践，能够结合召回、生成与评测指标持续优化知识问答效果。\n6. 具有 RBAC/ABAC、多租户隔离、数据脱敏、审计追踪或加密体系建设经验。\n7. 具有高并发、大数据量系统的架构设计、容量评估、性能优化或稳定性治理经验。\n8. 熟悉 Kubernetes、Docker、Prometheus、Grafana 等云原生与可观测性技术。\n9. 有开源项目贡献、技术文章分享或复杂技术项目主导经验。",
"standard_classification": {
"std_category_code": "T002",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}