主分类：Agent系统开发
辅助：音视频与实时通信研发（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": "AI Agent应用研发&平台架构（AIGC）-阿里星/A Star",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "阿里云",
"location": "北京 / 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": "- 计算机、人工智能等相关专业硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "你将作为下一代AIGC Agent与平台系统的核心建造者，同时肩负两大使命：一是打造能够理解人类创意意图、自主规划并执行从创意到成片全流程的\"\"自主智能体\"\"；二是铸造超大并发、低延迟、高倍速、可智能扩展的AI Native媒体底座。我们正在重新定义AIGC的底层范式与工作方式——不是在传统媒体技术上修补，也不是让AI辅助人类操作，而是以AI Native的方式重构AIGC技术新范式，构建能像经验丰富的导演一样自主决策与执行的Multi-Agent系统。你将站在AI技术与视频创意的交汇点，让每个人都能指挥一个\"\"AI制作团队\"\"，让AI成为真正的\"\"视频生产者\"\"。\n岗位职责\n1. Agent-Native平台架构设计\n- 主导设计面向视频全链路生产的Multi-Agent系统架构，拆解并定义不同角色Agent的能力边界与协作协议，构建支持复杂任务分解、动态规划、自主决策、异常恢复的Agent运行框架。\n- 设计底层媒体服务平台架构，包括媒体引擎、媒资系统、媒体工作流引擎的统一规划与演进，构建GPU驱动、云原生的AI媒体架构。\n- 设计Agent间的通信机制、状态管理与记忆体系，保障长链路生产任务的一致性、可追溯性与可干预性。\n2. 多模态模型集成与AI媒体关键技术攻坚\n- 持续跟踪并将最新的图片生成、视频生成、音频生成、VL等多模态大模型集成进Agent生产链路，保持Agent能力的持续技术领先。\n- 攻关视频生成、编辑、合成场景的高性能媒体处理技术，解决大规模任务下多层视频流/文件、特效、音频轨道的实时并行渲染合成难题，突破传统框架在生成式场景下的性能瓶颈。\n- 构建为实时交互而生的流媒体生成框架，从传输、模型编排、流媒体性能等维度优化端到端延时，打破\"\"提交-等待\"\"模式，实现\"\"所言即所见\"\"的创作体验。\n3. 任务规划、Pipeline编排与调度优化\n- 设计基于LLM的动态任务规划引擎，根据不同创作意图、内容类型、生产规格动态构建差异化的视频生产Pipeline。\n- 攻关长链路任务的可靠性保障：任务断点续传、局部重试、人机协同介入点设计等核心工程难题，确保复杂任务在动态工作流下依然稳定可控。\n- 深入分析AIGC Pipeline的复杂依赖关系与性能瓶颈，动态优化工作流活动的执行路径与资源分配，缩短从创意到成片的端到端耗时。\n4. Agent效果与算法工程性能优化\n- 极致化媒体处理与流式生成性能：深入GPU底层，对编解码、合成渲染等核心引擎算子极致调优，将\"\"指令-生成-反馈\"\"循环极致压缩，实现真正的实时创作。\n- 建立算法性能基准体系，实现端到端生产链路的延迟/倍速、吞吐、成本三角平衡。\n- 对模型输出质量进行系统性调优，针对视频生产场景的语义一致性、运动合理性、视觉/音频质量、叙事逻辑性、指令遵循度等关键指标进行专项优化，让Agent的生产风格与用户意图高度契合。",
"requirements_text": "1. 基础条件\n- 计算机、人工智能等相关专业硕士及以上学历。\n- 符合以下情况中的一种：顶会一作、国际顶级竞赛冠军、知名开源社区Commitee、高Star开源项目作者。\n- 熟悉 C++ / Go / Python / Rust / Java 中至少一门语言，具备良好的工程落地能力。\n2. 核心技术能力\n- Agent应用方向：理解LLM/Agent核心技术（RAG/Function Calling/Tool Use/Multi-Agent协作），有高质量Agent系统落地经验；熟悉多模态大模型特性与微调技术（SFT/RLHF/DPO），具备良好的Prompt Engineering/DSpy实践经验。\n- 平台架构方向：理解音视频技术栈，熟悉AI推理工程与GPU架构（CUDA/TensorRT/vLLM/Triton），掌握模型量化、算子融合等极致性能优化手段；熟悉云原生技术栈，理解或实践过规模化平台或高并发媒体计算系统。\n3. 优先考虑\n- 有Multi-Agent系统（多智能体协作、角色分工、冲突解决）设计与落地经验，或有视频生产、影视创作、内容平台相关AI产品的完整研发经验。\n- 拥有较大用户规模的AI视频平台的架构设计经验，解决过AI视频技术在云端的全链路痛点。\n- 熟悉CUDA C++编程，有混合精度推理优化、算子融合、异步流水线、零拷贝等极致硬件性能优化经验。\n- 对视频美学、镜头语言、导演逻辑有一定理解，能将创作领域知识转化为系统设计输入。",
"skills": [AI生成
"Python",
"Java",
"C++",
"Rust",
"CUDA",
"性能优化",
"架构设计",
"Go",
"大语言模型",
"检索增强生成",
"智能体开发"
],
"preferred_qualifications": "3. 优先考虑",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199907780102?deptCodes="
}
]
},
"posting": {
"posting_id": "199907780102",
"post_date": "2026-07-30",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907780102?deptCodes="
},
"fulltext": "AI Agent应用研发&平台架构（AIGC）-阿里星/A Star\nAI Agent应用研发&平台架构（AIGC）-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：北京 / 杭州\n\n职位描述\n你将作为下一代AIGC Agent与平台系统的核心建造者，同时肩负两大使命：一是打造能够理解人类创意意图、自主规划并执行从创意到成片全流程的\"\"自主智能体\"\"；二是铸造超大并发、低延迟、高倍速、可智能扩展的AI Native媒体底座。我们正在重新定义AIGC的底层范式与工作方式——不是在传统媒体技术上修补，也不是让AI辅助人类操作，而是以AI Native的方式重构AIGC技术新范式，构建能像经验丰富的导演一样自主决策与执行的Multi-Agent系统。你将站在AI技术与视频创意的交汇点，让每个人都能指挥一个\"\"AI制作团队\"\"，让AI成为真正的\"\"视频生产者\"\"。\n岗位职责\n1. Agent-Native平台架构设计\n- 主导设计面向视频全链路生产的Multi-Agent系统架构，拆解并定义不同角色Agent的能力边界与协作协议，构建支持复杂任务分解、动态规划、自主决策、异常恢复的Agent运行框架。\n- 设计底层媒体服务平台架构，包括媒体引擎、媒资系统、媒体工作流引擎的统一规划与演进，构建GPU驱动、云原生的AI媒体架构。\n- 设计Agent间的通信机制、状态管理与记忆体系，保障长链路生产任务的一致性、可追溯性与可干预性。\n2. 多模态模型集成与AI媒体关键技术攻坚\n- 持续跟踪并将最新的图片生成、视频生成、音频生成、VL等多模态大模型集成进Agent生产链路，保持Agent能力的持续技术领先。\n- 攻关视频生成、编辑、合成场景的高性能媒体处理技术，解决大规模任务下多层视频流/文件、特效、音频轨道的实时并行渲染合成难题，突破传统框架在生成式场景下的性能瓶颈。\n- 构建为实时交互而生的流媒体生成框架，从传输、模型编排、流媒体性能等维度优化端到端延时，打破\"\"提交-等待\"\"模式，实现\"\"所言即所见\"\"的创作体验。\n3. 任务规划、Pipeline编排与调度优化\n- 设计基于LLM的动态任务规划引擎，根据不同创作意图、内容类型、生产规格动态构建差异化的视频生产Pipeline。\n- 攻关长链路任务的可靠性保障：任务断点续传、局部重试、人机协同介入点设计等核心工程难题，确保复杂任务在动态工作流下依然稳定可控。\n- 深入分析AIGC Pipeline的复杂依赖关系与性能瓶颈，动态优化工作流活动的执行路径与资源分配，缩短从创意到成片的端到端耗时。\n4. Agent效果与算法工程性能优化\n- 极致化媒体处理与流式生成性能：深入GPU底层，对编解码、合成渲染等核心引擎算子极致调优，将\"\"指令-生成-反馈\"\"循环极致压缩，实现真正的实时创作。\n- 建立算法性能基准体系，实现端到端生产链路的延迟/倍速、吞吐、成本三角平衡。\n- 对模型输出质量进行系统性调优，针对视频生产场景的语义一致性、运动合理性、视觉/音频质量、叙事逻辑性、指令遵循度等关键指标进行专项优化，让Agent的生产风格与用户意图高度契合。\n\n职位要求\n1. 基础条件\n- 计算机、人工智能等相关专业硕士及以上学历。\n- 符合以下情况中的一种：顶会一作、国际顶级竞赛冠军、知名开源社区Commitee、高Star开源项目作者。\n- 熟悉 C++ / Go / Python / Rust / Java 中至少一门语言，具备良好的工程落地能力。\n2. 核心技术能力\n- Agent应用方向：理解LLM/Agent核心技术（RAG/Function Calling/Tool Use/Multi-Agent协作），有高质量Agent系统落地经验；熟悉多模态大模型特性与微调技术（SFT/RLHF/DPO），具备良好的Prompt Engineering/DSpy实践经验。\n- 平台架构方向：理解音视频技术栈，熟悉AI推理工程与GPU架构（CUDA/TensorRT/vLLM/Triton），掌握模型量化、算子融合等极致性能优化手段；熟悉云原生技术栈，理解或实践过规模化平台或高并发媒体计算系统。\n3. 优先考虑\n- 有Multi-Agent系统（多智能体协作、角色分工、冲突解决）设计与落地经验，或有视频生产、影视创作、内容平台相关AI产品的完整研发经验。\n- 拥有较大用户规模的AI视频平台的架构设计经验，解决过AI视频技术在云端的全链路痛点。\n- 熟悉CUDA C++编程，有混合精度推理优化、算子融合、异步流水线、零拷贝等极致硬件性能优化经验。\n- 对视频美学、镜头语言、导演逻辑有一定理解，能将创作领域知识转化为系统设计输入。\n\n在招业务\n阿里云\n你将作为下一代AIGC Agent与平台系统的核心建造者，同时肩负两大使命：一是打造能够理解人类创意意图、自主规划并执行从创意到成片全流程的\"\"自主智能体\"\"；二是铸造超大并发、低延迟、高倍速、可智能扩展的AI Native媒体底座。我们正在重新定义AIGC的底层范式与工作方式——不是在传统媒体技术上修补，也不是让AI辅助人类操作，而是以AI Native的方式重构AIGC技术新范式，构建能像经验丰富的导演一样自主决策与执行的Multi-Agent系统。你将站在AI技术与视频创意的交汇点，让每个人都能指挥一个\"\"AI制作团队\"\"，让AI成为真正的\"\"视频生产者\"\"。\n岗位职责\n1. Agent-Native平台架构设计\n- 主导设计面向视频全链路生产的Multi-Agent系统架构，拆解并定义不同角色Agent的能力边界与协作协议，构建支持复杂任务分解、动态规划、自主决策、异常恢复的Agent运行框架。\n- 设计底层媒体服务平台架构，包括媒体引擎、媒资系统、媒体工作流引擎的统一规划与演进，构建GPU驱动、云原生的AI媒体架构。\n- 设计Agent间的通信机制、状态管理与记忆体系，保障长链路生产任务的一致性、可追溯性与可干预性。\n2. 多模态模型集成与AI媒体关键技术攻坚\n- 持续跟踪并将最新的图片生成、视频生成、音频生成、VL等多模态大模型集成进Agent生产链路，保持Agent能力的持续技术领先。\n- 攻关视频生成、编辑、合成场景的高性能媒体处理技术，解决大规模任务下多层视频流/文件、特效、音频轨道的实时并行渲染合成难题，突破传统框架在生成式场景下的性能瓶颈。\n- 构建为实时交互而生的流媒体生成框架，从传输、模型编排、流媒体性能等维度优化端到端延时，打破\"\"提交-等待\"\"模式，实现\"\"所言即所见\"\"的创作体验。\n3. 任务规划、Pipeline编排与调度优化\n- 设计基于LLM的动态任务规划引擎，根据不同创作意图、内容类型、生产规格动态构建差异化的视频生产Pipeline。\n- 攻关长链路任务的可靠性保障：任务断点续传、局部重试、人机协同介入点设计等核心工程难题，确保复杂任务在动态工作流下依然稳定可控。\n- 深入分析AIGC Pipeline的复杂依赖关系与性能瓶颈，动态优化工作流活动的执行路径与资源分配，缩短从创意到成片的端到端耗时。\n4. Agent效果与算法工程性能优化\n- 极致化媒体处理与流式生成性能：深入GPU底层，对编解码、合成渲染等核心引擎算子极致调优，将\"\"指令-生成-反馈\"\"循环极致压缩，实现真正的实时创作。\n- 建立算法性能基准体系，实现端到端生产链路的延迟/倍速、吞吐、成本三角平衡。\n- 对模型输出质量进行系统性调优，针对视频生产场景的语义一致性、运动合理性、视觉/音频质量、叙事逻辑性、指令遵循度等关键指标进行专项优化，让Agent的生产风格与用户意图高度契合。\n1. 基础条件\n- 计算机、人工智能等相关专业硕士及以上学历。\n- 符合以下情况中的一种：顶会一作、国际顶级竞赛冠军、知名开源社区Commitee、高Star开源项目作者。\n- 熟悉 C++ / Go / Python / Rust / Java 中至少一门语言，具备良好的工程落地能力。\n2. 核心技术能力\n- Agent应用方向：理解LLM/Agent核心技术（RAG/Function Calling/Tool Use/Multi-Agent协作），有高质量Agent系统落地经验；熟悉多模态大模型特性与微调技术（SFT/RLHF/DPO），具备良好的Prompt Engineering/DSpy实践经验。\n- 平台架构方向：理解音视频技术栈，熟悉AI推理工程与GPU架构（CUDA/TensorRT/vLLM/Triton），掌握模型量化、算子融合等极致性能优化手段；熟悉云原生技术栈，理解或实践过规模化平台或高并发媒体计算系统。\n3. 优先考虑\n- 有Multi-Agent系统（多智能体协作、角色分工、冲突解决）设计与落地经验，或有视频生产、影视创作、内容平台相关AI产品的完整研发经验。\n- 拥有较大用户规模的AI视频平台的架构设计经验，解决过AI视频技术在云端的全链路痛点。\n- 熟悉CUDA C++编程，有混合精度推理优化、算子融合、异步流水线、零拷贝等极致硬件性能优化经验。\n- 对视频美学、镜头语言、导演逻辑有一定理解，能将创作领域知识转化为系统设计输入。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T032"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}