主分类：Agent系统开发
辅助：搜索推荐与业务决策算法研发（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": "日常实习生-业务技术-AI应用算法工程师（LLM）",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "淘天集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "淘天集团",
"company_industry": "电子商务",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "淘天集团的招聘业务覆盖淘宝、天猫等电商平台。"
},
"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：计算机、人工智能、机器学习、深度学习、计算机视觉、自然语言处理等相关专业本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "我们致力于通过大模型 + AI Agent + 运筹优化的深度融合，推动淘天集团物流与供应链体系的智能化跃迁。面对日均亿级订单、千万级商家、全域消费者的复杂场景，我们正在构建业界首个端到端物流智能体（Logistics AI Agent）平台，覆盖预测、质控、规划、诊断、优化等核心环节。在这里，你将：\n● 学习AI Agent 在真实物流场景的规模化落地，而非仅做实验性探索。\n● 解决世界级复杂问题：从虚假发货识别到仓网优化，从时效预测到逆向体验保障，都具备极高的复杂度。\n● 定义下一代智能物流范式：融合LLM、复杂任务拆解&推理、RAG、Tools、SKill、多智能体协作，以及运筹优化决策。\n● 影响数亿消费者体验：你的算法直接决定“下单到收货”的每一环是否顺畅。\n核心工作方向：\n● 预测智能体（Forecasting Agent）构建支持动态策略调整、自动归因分析、AI答疑的预测 Agent，实现从“静态预测”到“主动调控”的跨越。\n● 质控智能体（Quality Control Agent）基于多源异构数据（轨迹、图像、文本、行为），打造全链路异常检测与黑灰产对抗系统，保障履约真实性与消费者信任。\n● 运筹优化智能体（OR Agent）将 LLM 与运筹学深度结合，实现自动建模 → 求解 → 仿真 → 方案生成的闭环，驱动仓网、运力、库存的全局最优。\n● 通用 Agent 能力基建深耕 RAG 多路召回、长短期记忆、Skill 自动编排、复杂任务拆解（ToT/Reflexion）、A2A 协同等核心技术，打造高可靠、可扩展的 Agent 底座。",
"requirements_text": "1. 学历背景：计算机、人工智能、机器学习、深度学习、计算机视觉、自然语言处理等相关专业本科及以上学历。\n2. 编程能力：精通 Python，熟练使用 PyTorch / TensorFlow；熟悉 LangChain / LangGraph / AutoGen 等 Agent 框架者优先。\n3. 算法基础：扎实掌握 ML/DL 经典模型（Transformer、BERT 等），具备 LLM 微调、推理优化经验。\n4. 有强烈的好奇心，对技术充满热情，有前瞻性视野，并能逐步在业务中落地。",
"skills": [AI生成
"Python",
"PyTorch",
"TensorFlow",
"机器学习",
"深度学习",
"自然语言处理",
"计算机视觉",
"大语言模型"
],
"preferred_qualifications": "熟悉 LangChain / LangGraph / AutoGen 等 Agent 框架者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199904320007?deptCodes="
}
]
},
"posting": {
"posting_id": "199904320007",
"post_date": "2026-04-15",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199904320007?deptCodes="
},
"fulltext": "日常实习生-业务技术-AI应用算法工程师（LLM）\n日常实习生-业务技术-AI应用算法工程师（LLM）\n\n基础信息\n毕业起止时间要求：2026-04-30 - 2029-12-31\n职位类别：技术类\n招聘项目：阿里巴巴日常实习生\n工作地点：杭州\n\n职位描述\n我们致力于通过大模型 + AI Agent + 运筹优化的深度融合，推动淘天集团物流与供应链体系的智能化跃迁。面对日均亿级订单、千万级商家、全域消费者的复杂场景，我们正在构建业界首个端到端物流智能体（Logistics AI Agent）平台，覆盖预测、质控、规划、诊断、优化等核心环节。在这里，你将：\n● 学习AI Agent 在真实物流场景的规模化落地，而非仅做实验性探索。\n● 解决世界级复杂问题：从虚假发货识别到仓网优化，从时效预测到逆向体验保障，都具备极高的复杂度。\n● 定义下一代智能物流范式：融合LLM、复杂任务拆解&推理、RAG、Tools、SKill、多智能体协作，以及运筹优化决策。\n● 影响数亿消费者体验：你的算法直接决定“下单到收货”的每一环是否顺畅。\n核心工作方向：\n● 预测智能体（Forecasting Agent）构建支持动态策略调整、自动归因分析、AI答疑的预测 Agent，实现从“静态预测”到“主动调控”的跨越。\n● 质控智能体（Quality Control Agent）基于多源异构数据（轨迹、图像、文本、行为），打造全链路异常检测与黑灰产对抗系统，保障履约真实性与消费者信任。\n● 运筹优化智能体（OR Agent）将 LLM 与运筹学深度结合，实现自动建模 → 求解 → 仿真 → 方案生成的闭环，驱动仓网、运力、库存的全局最优。\n● 通用 Agent 能力基建深耕 RAG 多路召回、长短期记忆、Skill 自动编排、复杂任务拆解（ToT/Reflexion）、A2A 协同等核心技术，打造高可靠、可扩展的 Agent 底座。\n\n职位要求\n1. 学历背景：计算机、人工智能、机器学习、深度学习、计算机视觉、自然语言处理等相关专业本科及以上学历。\n2. 编程能力：精通 Python，熟练使用 PyTorch / TensorFlow；熟悉 LangChain / LangGraph / AutoGen 等 Agent 框架者优先。\n3. 算法基础：扎实掌握 ML/DL 经典模型（Transformer、BERT 等），具备 LLM 微调、推理优化经验。\n4. 有强烈的好奇心，对技术充满热情，有前瞻性视野，并能逐步在业务中落地。\n\n在招业务\n淘天集团\n我们致力于通过大模型 + AI Agent + 运筹优化的深度融合，推动淘天集团物流与供应链体系的智能化跃迁。面对日均亿级订单、千万级商家、全域消费者的复杂场景，我们正在构建业界首个端到端物流智能体（Logistics AI Agent）平台，覆盖预测、质控、规划、诊断、优化等核心环节。在这里，你将：\n● 学习AI Agent 在真实物流场景的规模化落地，而非仅做实验性探索。\n● 解决世界级复杂问题：从虚假发货识别到仓网优化，从时效预测到逆向体验保障，都具备极高的复杂度。\n● 定义下一代智能物流范式：融合LLM、复杂任务拆解&推理、RAG、Tools、SKill、多智能体协作，以及运筹优化决策。\n● 影响数亿消费者体验：你的算法直接决定“下单到收货”的每一环是否顺畅。\n核心工作方向：\n● 预测智能体（Forecasting Agent）构建支持动态策略调整、自动归因分析、AI答疑的预测 Agent，实现从“静态预测”到“主动调控”的跨越。\n● 质控智能体（Quality Control Agent）基于多源异构数据（轨迹、图像、文本、行为），打造全链路异常检测与黑灰产对抗系统，保障履约真实性与消费者信任。\n● 运筹优化智能体（OR Agent）将 LLM 与运筹学深度结合，实现自动建模 → 求解 → 仿真 → 方案生成的闭环，驱动仓网、运力、库存的全局最优。\n● 通用 Agent 能力基建深耕 RAG 多路召回、长短期记忆、Skill 自动编排、复杂任务拆解（ToT/Reflexion）、A2A 协同等核心技术，打造高可靠、可扩展的 Agent 底座。\n1. 学历背景：计算机、人工智能、机器学习、深度学习、计算机视觉、自然语言处理等相关专业本科及以上学历。\n2. 编程能力：精通 Python，熟练使用 PyTorch / TensorFlow；熟悉 LangChain / LangGraph / AutoGen 等 Agent 框架者优先。\n3. 算法基础：扎实掌握 ML/DL 经典模型（Transformer、BERT 等），具备 LLM 微调、推理优化经验。\n4. 有强烈的好奇心，对技术充满热情，有前瞻性视野，并能逐步在业务中落地。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T011"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}