主分类：Agent系统开发
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": "数据技术及产品部-AI应用研发工程师-Agent Memory 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": "产品"AI生成
},
"company": {
"company_name": "阿里巴巴控股集团",
"company_industry": "电子商务 / 云计算 / 人工智能",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "阿里巴巴集团面向消费者和企业提供电子商务、云计算及人工智能服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "学历背景：本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、主导Agent记忆体系架构与核心能力建设：负责面向Agent消费的用户认知记忆服务整体规划，设计端到端生产链路及反馈闭环机制，推动数据资产从静态标签向可推理、可记忆的动态语义体系升级，保障记忆资产的准确性、时效性与智能迭代能力；\n2、与Agent应用及业务条线深度合作，通过实验验证或数据观测的方式，支撑记忆体系的设计决策与效果评估；\n3、深入理解Agent消费场景下的核心痛点，通过专题分析识别用户认知断层与资产升级机会点，驱动记忆服务持续优化；\n4、以“数据+算法+产品”三位一体方式赋能Agent生态，推动用户资产从静态标签向动态认知跃迁，助力业务实现智能化增长。",
"requirements_text": "1、技术基础扎实：熟练掌握Java/Python/SQL中至少一种语言，具备优秀的工程化思维与复杂系统设计能力，能独立完成高并发、高可靠的数据服务开发；\n2、大数据与AI融合经验：熟悉Spark/Flink等大数据技术栈及向量/图数据库，有LLM应用、RAG、Agent Memory或用户画像系统实战经验者优先，理解“语义+结构”双轨分离设计范式；\n3、数据资产与治理能力：对数据建模、元数据管理、质量治理有深入理解，能将隐私合规、安全审计等治理要求内化为产品化、自动化的技术能力；\n4、业务抽象与问题拆解力：具备敏锐的业务洞察力，能从海量行为数据中精准提炼用户意图与高价值事实，并将其转化为可落地的记忆模型与服务接口；\n5、前沿技术敏感度：对Agent Memory、认知智能、Memory OS等方向有浓厚兴趣，能快速跟进顶会论文与业界最佳实践（如Mem0、Agentic Memory），并在实际系统中验证创新方案；\n6、协作与推动力：责任心强，具备优秀的跨团队沟通与项目协调能力，能在多角色协同中清晰定义边界、推动共识并达成业务目标；\n7、学历背景：本科及以上学历，计算机、人工智能、数据科学或相关专业优先。",
"skills": [AI生成
"Python",
"Java",
"SQL",
"Spark",
"Flink",
"数据库",
"审计",
"建模",
"检索增强生成"
],
"preferred_qualifications": "2、大数据与AI融合经验：熟悉Spark/Flink等大数据技术栈及向量/图数据库，有LLM应用、RAG、Agent Memory或用户画像系统实战经验者优先，理解“语义+结构”双轨分离设计范式；7、学历背景：本科及以上学历，计算机、人工智能、数据科学或相关专业优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100042460001"
}
]
},
"posting": {
"posting_id": "100042460001",
"post_date": "2026-09-15",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100042460001"
},
"fulltext": "数据技术及产品部-AI应用研发工程师-Agent Memory 方向\n数据技术及产品部-AI应用研发工程师-Agent Memory 方向\n\n基础信息\n工作地点：杭州\n\n职位描述\n1、主导Agent记忆体系架构与核心能力建设：负责面向Agent消费的用户认知记忆服务整体规划，设计端到端生产链路及反馈闭环机制，推动数据资产从静态标签向可推理、可记忆的动态语义体系升级，保障记忆资产的准确性、时效性与智能迭代能力；\n2、与Agent应用及业务条线深度合作，通过实验验证或数据观测的方式，支撑记忆体系的设计决策与效果评估；\n3、深入理解Agent消费场景下的核心痛点，通过专题分析识别用户认知断层与资产升级机会点，驱动记忆服务持续优化；\n4、以“数据+算法+产品”三位一体方式赋能Agent生态，推动用户资产从静态标签向动态认知跃迁，助力业务实现智能化增长。\n\n职位要求\n1、技术基础扎实：熟练掌握Java/Python/SQL中至少一种语言，具备优秀的工程化思维与复杂系统设计能力，能独立完成高并发、高可靠的数据服务开发；\n2、大数据与AI融合经验：熟悉Spark/Flink等大数据技术栈及向量/图数据库，有LLM应用、RAG、Agent Memory或用户画像系统实战经验者优先，理解“语义+结构”双轨分离设计范式；\n3、数据资产与治理能力：对数据建模、元数据管理、质量治理有深入理解，能将隐私合规、安全审计等治理要求内化为产品化、自动化的技术能力；\n4、业务抽象与问题拆解力：具备敏锐的业务洞察力，能从海量行为数据中精准提炼用户意图与高价值事实，并将其转化为可落地的记忆模型与服务接口；\n5、前沿技术敏感度：对Agent Memory、认知智能、Memory OS等方向有浓厚兴趣，能快速跟进顶会论文与业界最佳实践（如Mem0、Agentic Memory），并在实际系统中验证创新方案；\n6、协作与推动力：责任心强，具备优秀的跨团队沟通与项目协调能力，能在多角色协同中清晰定义边界、推动共识并达成业务目标；\n7、学历背景：本科及以上学历，计算机、人工智能、数据科学或相关专业优先。\n1、主导Agent记忆体系架构与核心能力建设：负责面向Agent消费的用户认知记忆服务整体规划，设计端到端生产链路及反馈闭环机制，推动数据资产从静态标签向可推理、可记忆的动态语义体系升级，保障记忆资产的准确性、时效性与智能迭代能力；\n2、与Agent应用及业务条线深度合作，通过实验验证或数据观测的方式，支撑记忆体系的设计决策与效果评估；\n3、深入理解Agent消费场景下的核心痛点，通过专题分析识别用户认知断层与资产升级机会点，驱动记忆服务持续优化；\n4、以“数据+算法+产品”三位一体方式赋能Agent生态，推动用户资产从静态标签向动态认知跃迁，助力业务实现智能化增长。\n1、技术基础扎实：熟练掌握Java/Python/SQL中至少一种语言，具备优秀的工程化思维与复杂系统设计能力，能独立完成高并发、高可靠的数据服务开发；\n2、大数据与AI融合经验：熟悉Spark/Flink等大数据技术栈及向量/图数据库，有LLM应用、RAG、Agent Memory或用户画像系统实战经验者优先，理解“语义+结构”双轨分离设计范式；\n3、数据资产与治理能力：对数据建模、元数据管理、质量治理有深入理解，能将隐私合规、安全审计等治理要求内化为产品化、自动化的技术能力；\n4、业务抽象与问题拆解力：具备敏锐的业务洞察力，能从海量行为数据中精准提炼用户意图与高价值事实，并将其转化为可落地的记忆模型与服务接口；\n5、前沿技术敏感度：对Agent Memory、认知智能、Memory OS等方向有浓厚兴趣，能快速跟进顶会论文与业界最佳实践（如Mem0、Agentic Memory），并在实际系统中验证创新方案；\n6、协作与推动力：责任心强，具备优秀的跨团队沟通与项目协调能力，能在多角色协同中清晰定义边界、推动共识并达成业务目标；\n7、学历背景：本科及以上学历，计算机、人工智能、数据科学或相关专业优先。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}