{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "AI Agent开发工程师（AI应用）-sh",
        "job_level": "中级",AI生成
        "work_category": "全职",AI生成
        "department": "",
        "location": "上海··",
        "work_mode": "现场办公",AI生成
        "job_category": "AI应用软件工程师"AI生成
    },
    "company": {
        "company_name": "某知名电子商务公司",
        "company_industry": "电子商务",
        "company_size": "1000-9999人",
        "company_website": "",
        "company_description": ""
    },
    "compensation": {
        "salary_range": {
            "min": 40000,
            "max": 70000,
            "currency": "元",
            "cycle": "月"
        },
        "benefits": ""
    },
    "requirements": {
        "working_years": "",
        "degree": "本科",
        "language": "中文",AI生成
        "visa_support": "",
        "responsibilities": "1、负责面向搜索、问答、推荐及复杂任务场景的 AI Agent 应用研发，参与从需求分析、方案设计、⼯程实现到上线迭代的完整流程。\n2、设计和实现 Agent 核⼼执⾏链路，包括任务规划、ReAct 推理循环、状态流转、模型与工具交替执行、异常处理及结果⽣成等模块。\n3、建设可扩展的工具调用体系，完成 Tool 的统一注册、参数校验、并行调用、超时重试、异常降级及调用结果追踪。\n4、负责多轮对话与模型交互的上下文工程，包括消息构造、历史筛选、Token 预算、上下文裁剪与压缩、状态隔离、短期与长期记忆，以及 RAG 检索结果的组织与回填。\n5、推进大模型应用工程化，覆盖 Prompt 模板管理、模型与流程路由、流式输出、模型降级、缓存策略、灰度实验和效果分析。\n6、建立 Agent 质量保障机制，建设离线评测集、过程评测、端到端评测、Bad Case 归因和线上指标监控，持续提升应用效果与可靠性。\n7、持续优化 AI 应用的性能与稳定性，完善限流、熔断、重试、降级、链路追踪和异常监控机制，保障高并发场景下的服务质量。\n8、与产品、算法及横向研发同事协作，将模型能力、业务工具和产品交互整合为可持续迭代的 AI 应用。",
        "requirements_text": "1、本科及以上学历，计算机、软件工程、人工智能等相关专业，具备约3年后端或 AI 应用研发经验。\n2、熟练掌握 Java、Python、Go 中至少一种编程语言，具备良好的数据结构、网络、并发编程及后端工程基础。\n3、熟悉 LLM 应用开发范式，理解 Prompt Engineering、RAG、Embedding、Tool/Function Calling、ReAct 等核心概念。\n4、具备 AI Agent 项目实践，能够独立完成任务编排、工具调用、上下文管理、多轮对话等一个或多个核心模块的设计与开发。\n5、熟悉 LangGraph、LangChain、Spring AI、Dify、Coze 等框架或平台中的至少一种，并理解其核心设计思路，而非仅停留在 API 调用层面。\n6、具备分布式系统设计基础，理解超时、重试、幂等、熔断、限流、降级及可观测性等生产工程问题。\n7、具备良好的问题抽象、沟通协作和工程落地能力，能够从业务目标出发完成方案拆解、研发交付、效果评测和持续迭代。\n8、技术驱动，持续关注大模型与 AI Agent 领域的发展，能够结合业务场景形成自己的技术判断。",
        "skills": [AI生成
            "需求调研与需求分析",
            "业务理解与场景抽象",
            "产品方案与功能设计",
            "产品迭代管理",
            "大模型原理与能力边界",
            "Agent系统构建",
            "Prompt工程",
            "RAG与检索增强",
            "Workflow与任务编排",
            "工具调用/MCP",
            "上下文/知识工程",
            "模型微调与对齐",
            "模型/Agent评测体系",
            "训练数据/标注/合成",
            "技术可行性与系统架构",
            "编程与代码实现",
            "分布式/微服务系统设计",
            "数据库/缓存/向量库",
            "软件测试与质量工程"
        ],
        "preferred_qualifications": "有 Planning、Multi-Agent、Agent as Tool、工作流引擎或任务调度系统的实践经验。\n有搜索、推荐、知识问答、交易决策或复杂任务型 AI 应用经验。\n有 Agent Eval、LLM-as-a-Judge、执行轨迹分析、Bad Case 自动归因或评测平台建设经验。\n具备 AI 应用全链路流量压测经验，能够覆盖应用接入、Agent 编排、模型推理、上下文处理、RAG 检索及 Tool 调用链路，并围绕并发量、吞吐量、首 Token 延迟、TP99、成功率和工具耗时完成瓶颈分析与性能优化。\n熟悉向量数据库、语义缓存、模型微调、数据合成或训练数据闭环。\n了解 MCP、A2A 等 Agent 工具与通信协议，并有实际接入经验\n认证资质\n人力资源服务许可证",
        "job_highlights": "经验不限 | 本科"
    },
    "contact": {
        "recruiter_name": "王天天",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://www.zhipin.com/job_detail/a5abd4603121bc7f0nFz39S5GFRW.html"
            }
        ]
    },
    "posting": {
        "posting_id": "a5abd4603121bc7f0nFz39S5GFRW",
        "post_date": "",
        "hire_time": "",
        "update_date": "",
        "job_url": "https://www.zhipin.com/job_detail/a5abd4603121bc7f0nFz39S5GFRW.html"
    },
    "fulltext": "工作职责：\n1、负责面向搜索、问答、推荐及复杂任务场景的 AI Agent 应用研发，参与从需求分析、方案设计、⼯程实现到上线迭代的完整流程。\n2、设计和实现 Agent 核⼼执⾏链路，包括任务规划、ReAct 推理循环、状态流转、模型与工具交替执行、异常处理及结果⽣成等模块。\n3、建设可扩展的工具调用体系，完成 Tool 的统一注册、参数校验、并行调用、超时重试、异常降级及调用结果追踪。\n4、负责多轮对话与模型交互的上下文工程，包括消息构造、历史筛选、Token 预算、上下文裁剪与压缩、状态隔离、短期与长期记忆，以及 RAG 检索结果的组织与回填。\n5、推进大模型应用工程化，覆盖 Prompt 模板管理、模型与流程路由、流式输出、模型降级、缓存策略、灰度实验和效果分析。\n6、建立 Agent 质量保障机制，建设离线评测集、过程评测、端到端评测、Bad Case 归因和线上指标监控，持续提升应用效果与可靠性。\n7、持续优化 AI 应用的性能与稳定性，完善限流、熔断、重试、降级、链路追踪和异常监控机制，保障高并发场景下的服务质量。\n8、与产品、算法及横向研发同事协作，将模型能力、业务工具和产品交互整合为可持续迭代的 AI 应用。\n任职资格：\n1、本科及以上学历，计算机、软件工程、人工智能等相关专业，具备约3年后端或 AI 应用研发经验。\n2、熟练掌握 Java、Python、Go 中至少一种编程语言，具备良好的数据结构、网络、并发编程及后端工程基础。\n3、熟悉 LLM 应用开发范式，理解 Prompt Engineering、RAG、Embedding、Tool/Function Calling、ReAct 等核心概念。\n4、具备 AI Agent 项目实践，能够独立完成任务编排、工具调用、上下文管理、多轮对话等一个或多个核心模块的设计与开发。\n5、熟悉 LangGraph、LangChain、Spring AI、Dify、Coze 等框架或平台中的至少一种，并理解其核心设计思路，而非仅停留在 API 调用层面。\n6、具备分布式系统设计基础，理解超时、重试、幂等、熔断、限流、降级及可观测性等生产工程问题。\n7、具备良好的问题抽象、沟通协作和工程落地能力，能够从业务目标出发完成方案拆解、研发交付、效果评测和持续迭代。\n8、技术驱动，持续关注大模型与 AI Agent 领域的发展，能够结合业务场景形成自己的技术判断。\n加分项：\n有 Planning、Multi-Agent、Agent as Tool、工作流引擎或任务调度系统的实践经验。\n有搜索、推荐、知识问答、交易决策或复杂任务型 AI 应用经验。\n有 Agent Eval、LLM-as-a-Judge、执行轨迹分析、Bad Case 自动归因或评测平台建设经验。\n具备 AI 应用全链路流量压测经验，能够覆盖应用接入、Agent 编排、模型推理、上下文处理、RAG 检索及 Tool 调用链路，并围绕并发量、吞吐量、首 Token 延迟、TP99、成功率和工具耗时完成瓶颈分析与性能优化。\n熟悉向量数据库、语义缓存、模型微调、数据合成或训练数据闭环。\n了解 MCP、A2A 等 Agent 工具与通信协议，并有实际接入经验\n认证资质\n人力资源服务许可证"
}