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": "Agent工程实习生",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "千问事业部",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "阿里巴巴集团",
"company_industry": "电子商务 / 云计算 / 人工智能",
"company_size": "10000人以上",
"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": "计算机相关专业本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、设计并实现基于 LLM 的 Agent 工作流，包括任务拆解、规划（Planning）、反思及自我修正机制，提升代码生成的自主性与准确率；\n2、研发从自然语言需求到结构化技术规格说明书（Technical Spec）的转换与校验算法，确保生成代码严格遵循接口定义与业务约束；\n3、定义、封装及管理 Agent 可调用的原子技能（如文件操作、测试运行、API 调用），优化 Skill 描述与检索策略，提升工具调用的精准度；\n4、构建自动化评估基准，量化分析 Agent 在 Spec 遵循度与 Skill 调用成功率上的表现，通过 Bad Case 分析持续优化 Prompt 策略与上下文管理。",
"requirements_text": "1、计算机相关专业本科及以上学历，熟练掌握 Python，具备良好的数据结构与算法基础；\n2、熟悉 LangChain/LangGragh 等主流框架，理解 ReAct、CoT 等提示工程范式；\n3、深入理解 Function Calling / Tool Use 机制，有实际的 Prompt/Contex/Harness Engineering 经验及大模型应用开发项目。\n加分项：有 Spec Coding 的实践经验，熟悉 MCP 协议；或在 GitHub 上有高质量的 AI Agent 开源项目/个人 Demo。",
"skills": [AI生成
"Python",
"React",
"数据结构",
"大语言模型",
"智能体开发"
],
"preferred_qualifications": "加分项：有 Spec Coding 的实践经验，熟悉 MCP 协议",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199905300003?deptCodes="
}
]
},
"posting": {
"posting_id": "199905300003",
"post_date": "2026-05-20",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199905300003?deptCodes="
},
"fulltext": "Agent工程实习生\nAgent工程实习生\n\n基础信息\n毕业起止时间要求：2026-11-01 - 2029-10-31\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\n1、设计并实现基于 LLM 的 Agent 工作流，包括任务拆解、规划（Planning）、反思及自我修正机制，提升代码生成的自主性与准确率；\n2、研发从自然语言需求到结构化技术规格说明书（Technical Spec）的转换与校验算法，确保生成代码严格遵循接口定义与业务约束；\n3、定义、封装及管理 Agent 可调用的原子技能（如文件操作、测试运行、API 调用），优化 Skill 描述与检索策略，提升工具调用的精准度；\n4、构建自动化评估基准，量化分析 Agent 在 Spec 遵循度与 Skill 调用成功率上的表现，通过 Bad Case 分析持续优化 Prompt 策略与上下文管理。\n\n职位要求\n1、计算机相关专业本科及以上学历，熟练掌握 Python，具备良好的数据结构与算法基础；\n2、熟悉 LangChain/LangGragh 等主流框架，理解 ReAct、CoT 等提示工程范式；\n3、深入理解 Function Calling / Tool Use 机制，有实际的 Prompt/Contex/Harness Engineering 经验及大模型应用开发项目。\n加分项：有 Spec Coding 的实践经验，熟悉 MCP 协议；或在 GitHub 上有高质量的 AI Agent 开源项目/个人 Demo。\n\n在招业务\n千问事业部\n1、设计并实现基于 LLM 的 Agent 工作流，包括任务拆解、规划（Planning）、反思及自我修正机制，提升代码生成的自主性与准确率；\n2、研发从自然语言需求到结构化技术规格说明书（Technical Spec）的转换与校验算法，确保生成代码严格遵循接口定义与业务约束；\n3、定义、封装及管理 Agent 可调用的原子技能（如文件操作、测试运行、API 调用），优化 Skill 描述与检索策略，提升工具调用的精准度；\n4、构建自动化评估基准，量化分析 Agent 在 Spec 遵循度与 Skill 调用成功率上的表现，通过 Bad Case 分析持续优化 Prompt 策略与上下文管理。\n1、计算机相关专业本科及以上学历，熟练掌握 Python，具备良好的数据结构与算法基础；\n2、熟悉 LangChain/LangGragh 等主流框架，理解 ReAct、CoT 等提示工程范式；\n3、深入理解 Function Calling / Tool Use 机制，有实际的 Prompt/Contex/Harness Engineering 经验及大模型应用开发项目。\n加分项：有 Spec Coding 的实践经验，熟悉 MCP 协议；或在 GitHub 上有高质量的 AI Agent 开源项目/个人 Demo。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}