{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "AI Agent 应用研发&系统架构-阿里星/A Star",
        "job_level": "校招",AI生成
        "work_category": "全职",AI生成
        "department": "阿里云",
        "location": "杭州",
        "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": "",
        "degree": "基础条件：2027 届应届硕士 / 博士",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "负责构建支撑 AI Agent 全生命周期的核心基础设施（业界所称 Agent Harness），涵盖设计构建、训练优化、安全部署、高并发调度及服务化交付等，为 Agent 的规模化落地提供稳定、高效、安全的底层能力。\n具体职责包括以下相关方向的一项或多项：\n1. Agent 基础设施：主导设计高并发、可扩展的 Agent Harness 框架，覆盖沙箱执行、容器编排、任务调度及状态管理，支持训练优化与安全部署；推动训练态与生产态接口契约统一，让训练改进直接映射到生产、生产真实失败直接回到训练。\n2. 安全与稳定性：构建沙箱隔离与委托身份认证，确保 API 与真实账号下的安全调用，并实现检查点（Checkpoint）与跨失败恢复机制，保障长程任务可靠性。\n3. 平台服务能力：开发 LLM 上下文预计算、知识检索等优化能力，封装 SDK/API（如向量检索、观测体系）提升推理效率；对外提供 FastAPI / gRPC / MCP Server 等多种接入形态。\n4. AI 能力产品化：模块化输出开发套件（如 CLI / Skills / Agent SDK），降低 Agent 构建与调优门槛，支持算法迭代优化。\n5. 评测与自优化体系：建设 Agent Eval Harness——语义化 trace 模型、失败模式自动分类、最小可复现样本（auto-minimization）、回归评测集自动生成；推动评测数据反哺训练，形成\"\"\"\"线上失败即训练样本\"\"\"\"的自我优化闭环，让基础设施越跑越稳、越跑越准。\n6. 技术前瞻与落地：跟踪 Agent 生态技术进展（包括不限于Multi-Agent、长程任务蒸馏、Agent 协议演进、 Computer-Use等方向），推动新技术规模化应用，持续优化架构性能与易用性。\n目标：通过高效、安全、先进的基础设施，实现 AI Agent 从开发到生产的全流程支持，加速规模化落地。",
        "requirements_text": "1. 基础条件：2027 届应届硕士 / 博士，计算机科学、人工智能等相关专业。顶会论文一作或国际顶级竞赛冠军或高 Star 开源项目核心维护者。\n2. 专业能力\n- 系统架构深度：扎实的分布式系统理论基础，深入掌握操作系统内核、网络协议栈、存储引擎底层原理;\n- 精通 Go / Python / Java / Rust 至少一门系统级语言，具备大规模生产级系统的架构设计与性能优化经验;\n- 深入了解前后端技术栈（微服务 / API / 消息队列 / 缓存），有云原生（K8s / CI/CD / Serverless）或安全隔离技术（Docker / Kata / gVisor / Firecracker）经验。\n3. AI Agent 技术领导力\n深入理解大模型技术原理与前沿进展，在以下至少一个领域具备业界领先的深度：\n- Agent 框架内核开发：深入理解大模型原理，熟悉至少一种 Agent 开发框架（如 LangGraph / ADK / AutoGen / MetaGPT 等），或拥有自研 Agent 全生命周期管理（训练 / 评测 / 部署）经验，具备在中等规模复杂场景的实施落地能力，熟悉至少一种 Agent 协议（如 MCP / A2A）;\n- Agent 核心组件：主导设计 Memory / Context / Toolcall / Harness Loop 等关键组件，有创新性技术方案落地；\n- Agent 生态进展：关注主流 LLMOps（模型版本 / 监控 / 部署）和 AgentOps（编排 / 治理 / 反馈）系统，熟悉可观测性、自适应优化等先进系统设计；对 Agent Harness、Eval Harness 等核心基础组件有自己的判断与设计经验者优先。\n4. 加分项\n- 在 AI Coding 环境中，熟悉前沿大模型开发框架，有 CV / RL 研发经验；\n- 有 AI 优化实践经验，参与过 Agent 平台开发，熟悉至少一类 Agent 协议；\n- 有 Computer-Use / Browser-Use / OSWorld / 长程任务真实落地经验者优先；\n- 有 Agent Eval Harness、自动化评测管道、Reflective / Self-Improving 系统建设经验者优先。\n5. 综合素质：有品位、有执行力、有韧性。对 AI 落地应用有热情，能复现并扩展前沿技术，追求复杂可扩展的架构，沟通协作能力强。",
        "skills": [AI生成
            "Python",
            "Java",
            "Rust",
            "Docker",
            "分布式系统",
            "微服务",
            "性能优化",
            "系统架构",
            "架构设计",
            "Go",
            "大语言模型",
            "智能体开发"
        ],
        "preferred_qualifications": "对 Agent Harness、Eval Harness 等核心基础组件有自己的判断与设计经验者优先；4. 加分项；有 Computer-Use / Browser-Use / OSWorld / 长程任务真实落地经验者优先；有 Agent Eval Harness、自动化评测管道、Reflective / Self-Improving 系统建设经验者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://campus-talent.alibaba.com/campus/position/199907740112?deptCodes="
            }
        ]
    },
    "posting": {
        "posting_id": "199907740112",
        "post_date": "2026-07-30",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://campus-talent.alibaba.com/campus/position/199907740112?deptCodes="
    },
    "fulltext": "AI Agent 应用研发&系统架构-阿里星/A Star\nAI Agent 应用研发&系统架构-阿里星/A Star\n\n基础信息\n毕业起止时间要求：2026-11-01 - 2027-10-31\n职位类别：技术类\n招聘项目：阿里巴巴2027届应届生\n工作地点：杭州\n\n职位描述\n负责构建支撑 AI Agent 全生命周期的核心基础设施（业界所称 Agent Harness），涵盖设计构建、训练优化、安全部署、高并发调度及服务化交付等，为 Agent 的规模化落地提供稳定、高效、安全的底层能力。\n具体职责包括以下相关方向的一项或多项：\n1. Agent 基础设施：主导设计高并发、可扩展的 Agent Harness 框架，覆盖沙箱执行、容器编排、任务调度及状态管理，支持训练优化与安全部署；推动训练态与生产态接口契约统一，让训练改进直接映射到生产、生产真实失败直接回到训练。\n2. 安全与稳定性：构建沙箱隔离与委托身份认证，确保 API 与真实账号下的安全调用，并实现检查点（Checkpoint）与跨失败恢复机制，保障长程任务可靠性。\n3. 平台服务能力：开发 LLM 上下文预计算、知识检索等优化能力，封装 SDK/API（如向量检索、观测体系）提升推理效率；对外提供 FastAPI / gRPC / MCP Server 等多种接入形态。\n4. AI 能力产品化：模块化输出开发套件（如 CLI / Skills / Agent SDK），降低 Agent 构建与调优门槛，支持算法迭代优化。\n5. 评测与自优化体系：建设 Agent Eval Harness——语义化 trace 模型、失败模式自动分类、最小可复现样本（auto-minimization）、回归评测集自动生成；推动评测数据反哺训练，形成\"\"\"\"线上失败即训练样本\"\"\"\"的自我优化闭环，让基础设施越跑越稳、越跑越准。\n6. 技术前瞻与落地：跟踪 Agent 生态技术进展（包括不限于Multi-Agent、长程任务蒸馏、Agent 协议演进、 Computer-Use等方向），推动新技术规模化应用，持续优化架构性能与易用性。\n目标：通过高效、安全、先进的基础设施，实现 AI Agent 从开发到生产的全流程支持，加速规模化落地。\n\n职位要求\n1. 基础条件：2027 届应届硕士 / 博士，计算机科学、人工智能等相关专业。顶会论文一作或国际顶级竞赛冠军或高 Star 开源项目核心维护者。\n2. 专业能力\n- 系统架构深度：扎实的分布式系统理论基础，深入掌握操作系统内核、网络协议栈、存储引擎底层原理;\n- 精通 Go / Python / Java / Rust 至少一门系统级语言，具备大规模生产级系统的架构设计与性能优化经验;\n- 深入了解前后端技术栈（微服务 / API / 消息队列 / 缓存），有云原生（K8s / CI/CD / Serverless）或安全隔离技术（Docker / Kata / gVisor / Firecracker）经验。\n3. AI Agent 技术领导力\n深入理解大模型技术原理与前沿进展，在以下至少一个领域具备业界领先的深度：\n- Agent 框架内核开发：深入理解大模型原理，熟悉至少一种 Agent 开发框架（如 LangGraph / ADK / AutoGen / MetaGPT 等），或拥有自研 Agent 全生命周期管理（训练 / 评测 / 部署）经验，具备在中等规模复杂场景的实施落地能力，熟悉至少一种 Agent 协议（如 MCP / A2A）;\n- Agent 核心组件：主导设计 Memory / Context / Toolcall / Harness Loop 等关键组件，有创新性技术方案落地；\n- Agent 生态进展：关注主流 LLMOps（模型版本 / 监控 / 部署）和 AgentOps（编排 / 治理 / 反馈）系统，熟悉可观测性、自适应优化等先进系统设计；对 Agent Harness、Eval Harness 等核心基础组件有自己的判断与设计经验者优先。\n4. 加分项\n- 在 AI Coding 环境中，熟悉前沿大模型开发框架，有 CV / RL 研发经验；\n- 有 AI 优化实践经验，参与过 Agent 平台开发，熟悉至少一类 Agent 协议；\n- 有 Computer-Use / Browser-Use / OSWorld / 长程任务真实落地经验者优先；\n- 有 Agent Eval Harness、自动化评测管道、Reflective / Self-Improving 系统建设经验者优先。\n5. 综合素质：有品位、有执行力、有韧性。对 AI 落地应用有热情，能复现并扩展前沿技术，追求复杂可扩展的架构，沟通协作能力强。\n\n在招业务\n阿里云\n负责构建支撑 AI Agent 全生命周期的核心基础设施（业界所称 Agent Harness），涵盖设计构建、训练优化、安全部署、高并发调度及服务化交付等，为 Agent 的规模化落地提供稳定、高效、安全的底层能力。\n具体职责包括以下相关方向的一项或多项：\n1. Agent 基础设施：主导设计高并发、可扩展的 Agent Harness 框架，覆盖沙箱执行、容器编排、任务调度及状态管理，支持训练优化与安全部署；推动训练态与生产态接口契约统一，让训练改进直接映射到生产、生产真实失败直接回到训练。\n2. 安全与稳定性：构建沙箱隔离与委托身份认证，确保 API 与真实账号下的安全调用，并实现检查点（Checkpoint）与跨失败恢复机制，保障长程任务可靠性。\n3. 平台服务能力：开发 LLM 上下文预计算、知识检索等优化能力，封装 SDK/API（如向量检索、观测体系）提升推理效率；对外提供 FastAPI / gRPC / MCP Server 等多种接入形态。\n4. AI 能力产品化：模块化输出开发套件（如 CLI / Skills / Agent SDK），降低 Agent 构建与调优门槛，支持算法迭代优化。\n5. 评测与自优化体系：建设 Agent Eval Harness——语义化 trace 模型、失败模式自动分类、最小可复现样本（auto-minimization）、回归评测集自动生成；推动评测数据反哺训练，形成\"\"\"\"线上失败即训练样本\"\"\"\"的自我优化闭环，让基础设施越跑越稳、越跑越准。\n6. 技术前瞻与落地：跟踪 Agent 生态技术进展（包括不限于Multi-Agent、长程任务蒸馏、Agent 协议演进、 Computer-Use等方向），推动新技术规模化应用，持续优化架构性能与易用性。\n目标：通过高效、安全、先进的基础设施，实现 AI Agent 从开发到生产的全流程支持，加速规模化落地。\n1. 基础条件：2027 届应届硕士 / 博士，计算机科学、人工智能等相关专业。顶会论文一作或国际顶级竞赛冠军或高 Star 开源项目核心维护者。\n2. 专业能力\n- 系统架构深度：扎实的分布式系统理论基础，深入掌握操作系统内核、网络协议栈、存储引擎底层原理;\n- 精通 Go / Python / Java / Rust 至少一门系统级语言，具备大规模生产级系统的架构设计与性能优化经验;\n- 深入了解前后端技术栈（微服务 / API / 消息队列 / 缓存），有云原生（K8s / CI/CD / Serverless）或安全隔离技术（Docker / Kata / gVisor / Firecracker）经验。\n3. AI Agent 技术领导力\n深入理解大模型技术原理与前沿进展，在以下至少一个领域具备业界领先的深度：\n- Agent 框架内核开发：深入理解大模型原理，熟悉至少一种 Agent 开发框架（如 LangGraph / ADK / AutoGen / MetaGPT 等），或拥有自研 Agent 全生命周期管理（训练 / 评测 / 部署）经验，具备在中等规模复杂场景的实施落地能力，熟悉至少一种 Agent 协议（如 MCP / A2A）;\n- Agent 核心组件：主导设计 Memory / Context / Toolcall / Harness Loop 等关键组件，有创新性技术方案落地；\n- Agent 生态进展：关注主流 LLMOps（模型版本 / 监控 / 部署）和 AgentOps（编排 / 治理 / 反馈）系统，熟悉可观测性、自适应优化等先进系统设计；对 Agent Harness、Eval Harness 等核心基础组件有自己的判断与设计经验者优先。\n4. 加分项\n- 在 AI Coding 环境中，熟悉前沿大模型开发框架，有 CV / RL 研发经验；\n- 有 AI 优化实践经验，参与过 Agent 平台开发，熟悉至少一类 Agent 协议；\n- 有 Computer-Use / Browser-Use / OSWorld / 长程任务真实落地经验者优先；\n- 有 Agent Eval Harness、自动化评测管道、Reflective / Self-Improving 系统建设经验者优先。\n5. 综合素质：有品位、有执行力、有韧性。对 AI 落地应用有热情，能复现并扩展前沿技术，追求复杂可扩展的架构，沟通协作能力强。",
    "standard_classification": {
        "std_category_code": "T009",
        "std_aux_codes": [
            "T015"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}