主分类：Agent系统开发
辅助：AI训练推理与计算优化（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": "Agentic大模型算法工程师",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "阿里云",
"location": "上海",
"work_mode": "未披露",AI生成
"job_category": "技术类"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": 1,
"degree": "- 本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "本职位聚焦OpenClaw相关特定任务场景，围绕“小模型缺知识、大模型落地难”的核心痛点，负责大语言模型的部署优化、大小模型协同框架搭建、小模型蒸馏及Memory优化相关工作，助力JVSClaw打造业界领先的Agent系统，支撑商业化目标达成。 \n核心职责包括：\n1.充分利用云电脑GPU资源（以5880为主），实现小型语言模型的高效部署，兼顾部署效率与模型精度；\n2.设计并落地适用于协同推理的大小模型协同框架及小模型蒸馏框架，弥补小模型专业知识不足、大模型部署成本高、响应延迟高的短板；\n3.针对大模型输入窗口限制，构建短时-中时-长时多级闭环记忆系统，开发OpenClaw专属Context Engine记忆调度引擎，解决模型记忆遗忘、检索低效、引用错误、跨会话丢失等核心痛点，打造高可靠、高易用的记忆交互体验；\n4.跟进行业前沿技术，持续优化模型部署性能、协同推理效率及Memory管理机制，保障系统稳定运行。",
"requirements_text": "1.基本要求 \n- 本科及以上学历，计算机科学、人工智能、软件工程、电子信息等相关专业，1-3年及以上大模型部署、优化或相关领域工作经验； \n- 具备良好的沟通协调能力、问题解决能力和团队协作精神，对技术有强烈的探索欲，能快速跟进前沿技术并落地应用； \n- 责任心强，具备严谨的逻辑思维，能独立负责核心技术模块的设计、开发与优化，高效推进项目落地。 \n2.核心技能要求 \n- 熟悉大语言模型（LLM）的基本原理，有小模型蒸馏、大小模型协同推理相关经验，熟悉Harness相关知识并能灵活研发使用； \n- 掌握Memory优化相关技术，有模型记忆系统、上下文管理引擎开发经验，能解决模型记忆遗忘、跨会话丢失等痛点，熟悉多级记忆系统的设计与实现； \n- 熟练掌握Python、C++等编程语言，熟悉PyTorch、TensorFlow等深度学习框架，了解ONNX、TensorRT等推理优化工具； \n- 了解OpenClaw或类OpenClaw平台的应用场景，有Agent系统相关开发或优化经验者优先。 \n3.加分项 \n- 有大模型输入窗口扩展、Context Engine调度引擎开发相关经验； \n- 有顶会论文发表和比赛经验者优先； \n- 参与过大模型商业化项目，了解Agent系统的商业化落地逻辑与需求。",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"TensorFlow",
"深度学习",
"团队协作",
"沟通协调",
"沟通能力",
"逻辑思维",
"大语言模型"
],
"preferred_qualifications": "了解OpenClaw或类OpenClaw平台的应用场景，有Agent系统相关开发或优化经验者优先；3.加分项；有顶会论文发表和比赛经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199904360006?deptCodes="
}
]
},
"posting": {
"posting_id": "199904360006",
"post_date": "2026-04-17",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199904360006?deptCodes="
},
"fulltext": "Agentic大模型算法工程师\nAgentic大模型算法工程师\n\n基础信息\n毕业起止时间要求：2027-06-30 - 2029-06-30\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：上海\n\n职位描述\n本职位聚焦OpenClaw相关特定任务场景，围绕“小模型缺知识、大模型落地难”的核心痛点，负责大语言模型的部署优化、大小模型协同框架搭建、小模型蒸馏及Memory优化相关工作，助力JVSClaw打造业界领先的Agent系统，支撑商业化目标达成。 \n核心职责包括：\n1.充分利用云电脑GPU资源（以5880为主），实现小型语言模型的高效部署，兼顾部署效率与模型精度；\n2.设计并落地适用于协同推理的大小模型协同框架及小模型蒸馏框架，弥补小模型专业知识不足、大模型部署成本高、响应延迟高的短板；\n3.针对大模型输入窗口限制，构建短时-中时-长时多级闭环记忆系统，开发OpenClaw专属Context Engine记忆调度引擎，解决模型记忆遗忘、检索低效、引用错误、跨会话丢失等核心痛点，打造高可靠、高易用的记忆交互体验；\n4.跟进行业前沿技术，持续优化模型部署性能、协同推理效率及Memory管理机制，保障系统稳定运行。\n\n职位要求\n1.基本要求 \n- 本科及以上学历，计算机科学、人工智能、软件工程、电子信息等相关专业，1-3年及以上大模型部署、优化或相关领域工作经验； \n- 具备良好的沟通协调能力、问题解决能力和团队协作精神，对技术有强烈的探索欲，能快速跟进前沿技术并落地应用； \n- 责任心强，具备严谨的逻辑思维，能独立负责核心技术模块的设计、开发与优化，高效推进项目落地。 \n2.核心技能要求 \n- 熟悉大语言模型（LLM）的基本原理，有小模型蒸馏、大小模型协同推理相关经验，熟悉Harness相关知识并能灵活研发使用； \n- 掌握Memory优化相关技术，有模型记忆系统、上下文管理引擎开发经验，能解决模型记忆遗忘、跨会话丢失等痛点，熟悉多级记忆系统的设计与实现； \n- 熟练掌握Python、C++等编程语言，熟悉PyTorch、TensorFlow等深度学习框架，了解ONNX、TensorRT等推理优化工具； \n- 了解OpenClaw或类OpenClaw平台的应用场景，有Agent系统相关开发或优化经验者优先。 \n3.加分项 \n- 有大模型输入窗口扩展、Context Engine调度引擎开发相关经验； \n- 有顶会论文发表和比赛经验者优先； \n- 参与过大模型商业化项目，了解Agent系统的商业化落地逻辑与需求。\n\n在招业务\n阿里云\n本职位聚焦OpenClaw相关特定任务场景，围绕“小模型缺知识、大模型落地难”的核心痛点，负责大语言模型的部署优化、大小模型协同框架搭建、小模型蒸馏及Memory优化相关工作，助力JVSClaw打造业界领先的Agent系统，支撑商业化目标达成。 \n核心职责包括：\n1.充分利用云电脑GPU资源（以5880为主），实现小型语言模型的高效部署，兼顾部署效率与模型精度；\n2.设计并落地适用于协同推理的大小模型协同框架及小模型蒸馏框架，弥补小模型专业知识不足、大模型部署成本高、响应延迟高的短板；\n3.针对大模型输入窗口限制，构建短时-中时-长时多级闭环记忆系统，开发OpenClaw专属Context Engine记忆调度引擎，解决模型记忆遗忘、检索低效、引用错误、跨会话丢失等核心痛点，打造高可靠、高易用的记忆交互体验；\n4.跟进行业前沿技术，持续优化模型部署性能、协同推理效率及Memory管理机制，保障系统稳定运行。\n1.基本要求 \n- 本科及以上学历，计算机科学、人工智能、软件工程、电子信息等相关专业，1-3年及以上大模型部署、优化或相关领域工作经验； \n- 具备良好的沟通协调能力、问题解决能力和团队协作精神，对技术有强烈的探索欲，能快速跟进前沿技术并落地应用； \n- 责任心强，具备严谨的逻辑思维，能独立负责核心技术模块的设计、开发与优化，高效推进项目落地。 \n2.核心技能要求 \n- 熟悉大语言模型（LLM）的基本原理，有小模型蒸馏、大小模型协同推理相关经验，熟悉Harness相关知识并能灵活研发使用； \n- 掌握Memory优化相关技术，有模型记忆系统、上下文管理引擎开发经验，能解决模型记忆遗忘、跨会话丢失等痛点，熟悉多级记忆系统的设计与实现； \n- 熟练掌握Python、C++等编程语言，熟悉PyTorch、TensorFlow等深度学习框架，了解ONNX、TensorRT等推理优化工具； \n- 了解OpenClaw或类OpenClaw平台的应用场景，有Agent系统相关开发或优化经验者优先。 \n3.加分项 \n- 有大模型输入窗口扩展、Context Engine调度引擎开发相关经验； \n- 有顶会论文发表和比赛经验者优先； \n- 参与过大模型商业化项目，了解Agent系统的商业化落地逻辑与需求。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T014"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}