主分类:全栈研发
辅助:Agent系统开发(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)-智能服务-杭州",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "云智能集团",
"location": "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": "",
"degree": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "岗位职责\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。\n需求与设计\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建立对用户业务的高维认知,使用定性方法和定量指标洞见需求实质。\n制作页面原型,与需求校验对齐。\n全栈工程交付\n独立完成前端页面开发与后端服务搭建,具备从接口定义到页面交付的全链路交付能力。\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)。\n搭建 Agent 系统工程化落地,包括多 Agent 协作编排、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数据与评测\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 A/B 实验,监控效果漂移。\n线上质量\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。",
"requirements_text": "基本条件\n计算机、数学、统计学等相关专业,本科及以上学历\n有全栈项目实践经验(含课程项目、开源贡献、实习等均可)。\n有使用 AI 工具辅助设计或编程的实践经历。\n全栈工程能力\n熟练掌握 HTML / CSS / JavaScript,掌握 React / Vue 等主流前端框架。\n熟悉至少一门后端语言(Python / Java / Go / Node.js 等),了解数据库、API 设计与常见后端架构模式。\n有独立完成前后端联调、部署上线经历者优先。\nAI 能力\n了解大模型应用的基本概念(Prompt Engineering / RAG / Agent),有动手调用或搭建 LLM 应用的经历优先。\n具备数据意识,能理解\"数据→迭代\"的闭环思路。\n有 Agent、Tool-Use、MCP 等方向的探索或实践经历为加分项。\n产品与设计感知\n掌握基础用户访谈技巧,能有效记录和整理用户反馈。\n熟悉原型设计工具,能表达基本页面流程。\n具备基础业务理解能力,能在指导下分析业务场景。\n能力特质\n技术判断力:能区分\"能跑\"与\"可上线\",追求简洁可维护的实现。\n业务体感:能站在用户和产品视角思考问题,不只完成技术指标,而是交付业务价值。\n有技术社区活跃经历或用户研究 / 设计相关经历为加分项。",
"skills": [AI生成
"Python",
"JavaScript",
"Java",
"React",
"Vue",
"数据库",
"用户研究",
"原型设计",
"Go",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "有独立完成前后端联调、部署上线经历者优先;了解大模型应用的基本概念(Prompt Engineering / RAG / Agent),有动手调用或搭建 LLM 应用的经历优先;有 Agent、Tool-Use、MCP 等方向的探索或实践经历为加分项;有技术社区活跃经历或用户研究 / 设计相关经历为加分项",
"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=100041600001"
}
]
},
"posting": {
"posting_id": "100041600001",
"post_date": "2026-09-14",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.aliyun.com/off-campus/position-detail?positionId=100041600001"
},
"fulltext": "阿里云智能-前沿部署工程师(FDE)-智能服务-杭州\n阿里云智能-前沿部署工程师(FDE)-智能服务-杭州\n\n基础信息\n工作地点:杭州\n\n职位描述\n岗位职责\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。\n需求与设计\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建立对用户业务的高维认知,使用定性方法和定量指标洞见需求实质。\n制作页面原型,与需求校验对齐。\n全栈工程交付\n独立完成前端页面开发与后端服务搭建,具备从接口定义到页面交付的全链路交付能力。\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)。\n搭建 Agent 系统工程化落地,包括多 Agent 协作编排、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数据与评测\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 A/B 实验,监控效果漂移。\n线上质量\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\n职位要求\n基本条件\n计算机、数学、统计学等相关专业,本科及以上学历\n有全栈项目实践经验(含课程项目、开源贡献、实习等均可)。\n有使用 AI 工具辅助设计或编程的实践经历。\n全栈工程能力\n熟练掌握 HTML / CSS / JavaScript,掌握 React / Vue 等主流前端框架。\n熟悉至少一门后端语言(Python / Java / Go / Node.js 等),了解数据库、API 设计与常见后端架构模式。\n有独立完成前后端联调、部署上线经历者优先。\nAI 能力\n了解大模型应用的基本概念(Prompt Engineering / RAG / Agent),有动手调用或搭建 LLM 应用的经历优先。\n具备数据意识,能理解\"数据→迭代\"的闭环思路。\n有 Agent、Tool-Use、MCP 等方向的探索或实践经历为加分项。\n产品与设计感知\n掌握基础用户访谈技巧,能有效记录和整理用户反馈。\n熟悉原型设计工具,能表达基本页面流程。\n具备基础业务理解能力,能在指导下分析业务场景。\n能力特质\n技术判断力:能区分\"能跑\"与\"可上线\",追求简洁可维护的实现。\n业务体感:能站在用户和产品视角思考问题,不只完成技术指标,而是交付业务价值。\n有技术社区活跃经历或用户研究 / 设计相关经历为加分项。\n岗位职责\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。\n需求与设计\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建立对用户业务的高维认知,使用定性方法和定量指标洞见需求实质。\n制作页面原型,与需求校验对齐。\n全栈工程交付\n独立完成前端页面开发与后端服务搭建,具备从接口定义到页面交付的全链路交付能力。\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)。\n搭建 Agent 系统工程化落地,包括多 Agent 协作编排、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数据与评测\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 A/B 实验,监控效果漂移。\n线上质量\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基本条件\n计算机、数学、统计学等相关专业,本科及以上学历\n有全栈项目实践经验(含课程项目、开源贡献、实习等均可)。\n有使用 AI 工具辅助设计或编程的实践经历。\n全栈工程能力\n熟练掌握 HTML / CSS / JavaScript,掌握 React / Vue 等主流前端框架。\n熟悉至少一门后端语言(Python / Java / Go / Node.js 等),了解数据库、API 设计与常见后端架构模式。\n有独立完成前后端联调、部署上线经历者优先。\nAI 能力\n了解大模型应用的基本概念(Prompt Engineering / RAG / Agent),有动手调用或搭建 LLM 应用的经历优先。\n具备数据意识,能理解\"数据→迭代\"的闭环思路。\n有 Agent、Tool-Use、MCP 等方向的探索或实践经历为加分项。\n产品与设计感知\n掌握基础用户访谈技巧,能有效记录和整理用户反馈。\n熟悉原型设计工具,能表达基本页面流程。\n具备基础业务理解能力,能在指导下分析业务场景。\n能力特质\n技术判断力:能区分\"能跑\"与\"可上线\",追求简洁可维护的实现。\n业务体感:能站在用户和产品视角思考问题,不只完成技术指标,而是交付业务价值。\n有技术社区活跃经历或用户研究 / 设计相关经历为加分项。",
"standard_classification": {
"std_category_code": "T005",
"std_aux_codes": [
"T009"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}