{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "履约技术部-Agent工程开发",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "核心本地商业-业务研发平台",
        "location": "北京市",
        "work_mode": "未披露",AI生成
        "job_category": "技术类"AI生成
    },
    "company": {
        "company_name": "美团",
        "company_industry": "科技零售 / 生活服务",
        "company_size": "10000人以上",
        "company_website": "meituan.com",
        "company_description": "美团通过科技推动服务零售和商品零售的数字化，连接消费者与商户。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": 3,
        "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. 推进履约 AutoResearch 场景落地。 与算法和业务团队协作，将研究与优化问题转化为目标明确、可执行、可验证的任务，推动「提出方案 → 执行实验 → 分析结果 → 迭代优化」的自主研究流程落地。\n\n2. 负责面向研究与工程任务的 Agent 开发。 围绕代码理解与修改、工具调用、上下文管理和多步骤执行，设计 Agent 的执行流程，支持其持续完成复杂任务，并在关键环节引入必要的人工判断与协作。\n\n3. 建立任务与实验的评估方法。 跟踪执行过程，验证实验结果，分析失败案例，持续提升任务完成率、产出质量和执行效率，确保优化结论有依据、实验过程可复现。\n\n4. 推动 Agent 与履约实际工作结合。 接入研究和研发所需的数据、代码、实验工具及业务系统，完善从问题提出到结果交付的流程，并根据算法和业务同学的使用反馈持续改进。\n\n5. 深度实践 AI-SDLC。 探索 AI 在需求分析、方案设计、编码、测试和代码审查中的应用，沉淀经过实际项目验证的研发方法，提升交付效率与质量。",
        "requirements_text": "1. 计算机相关专业本科及以上学历，3 年及以上服务端研发经验，具备扎实的计算机基础和良好的工程习惯；熟练掌握 Java / Go / TypeScript 中至少一门，并能快速切换到团队现有技术栈。有突出的 Agent 相关开源作品或项目实践者，年限可适当放宽。\n\n2. 熟悉服务设计、并发与异步处理、数据库及常用中间件，能够独立完成设计、开发、测试和线上问题排查；有 Java/Spring Boot 或 Node/TypeScript 工程经验者均可。\n\n3. 理解大模型应用和 Agent 的基本工作方式，对执行循环、工具调用、上下文管理和记忆机制有实际认识；有 AI 应用开发经历，能够结合具体任务设计验证方法，分析效果、失败原因和能力边界。\n\n4. 具备良好的问题分析与动手能力，能够面对需求和技术的不确定性，通过原型、实验和数据验证方案，推动问题解决。\n\n5. 自驱力强，具备良好的沟通与协作能力，愿意深入理解业务和用户需求，能够独立承担任务并推动交付，对结果负责。",
        "skills": [AI生成
            "TypeScript",
            "Java",
            "Spring",
            "数据库",
            "Go",
            "大语言模型"
        ],
        "preferred_qualifications": "未披露",
        "job_highlights": "1. 参与履约 AutoResearch 的探索与落地。 让 Agent 参与方案提出、代码实现、实验执行和结果分析，探索如何通过连续实验与反馈完成研究和优化任务。\n\n2. 围绕真实履约问题开展工作。 与算法和业务同学紧密协作，在实际研究与研发任务中验证 Agent 的效果，用实验指标和使用反馈判断改进是否有效。\n\n3. 参与从场景定义到交付验证的完整过程。 深入理解问题，参与技术方案和实现，在实际使用中持续迭代，积累 Agent 处理复杂任务的工程经验。\n\n4. 实践 AI 时代的研发方式。 与具备算法"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4767045690&jobShareType=1"
            }
        ]
    },
    "posting": {
        "posting_id": "4767045690",
        "post_date": "",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4767045690&jobShareType=1"
    },
    "fulltext": "履约技术部-Agent工程开发\n履约技术部-Agent工程开发\n\n基础信息\n工作地点：北京市\n部门：核心本地商业-业务研发平台\n职位类别：技术类\n职位族群：软件\n更新时间：2026-09-14\n\n岗位职责\n1. 推进履约 AutoResearch 场景落地。 与算法和业务团队协作，将研究与优化问题转化为目标明确、可执行、可验证的任务，推动「提出方案 → 执行实验 → 分析结果 → 迭代优化」的自主研究流程落地。\n\n2. 负责面向研究与工程任务的 Agent 开发。 围绕代码理解与修改、工具调用、上下文管理和多步骤执行，设计 Agent 的执行流程，支持其持续完成复杂任务，并在关键环节引入必要的人工判断与协作。\n\n3. 建立任务与实验的评估方法。 跟踪执行过程，验证实验结果，分析失败案例，持续提升任务完成率、产出质量和执行效率，确保优化结论有依据、实验过程可复现。\n\n4. 推动 Agent 与履约实际工作结合。 接入研究和研发所需的数据、代码、实验工具及业务系统，完善从问题提出到结果交付的流程，并根据算法和业务同学的使用反馈持续改进。\n\n5. 深度实践 AI-SDLC。 探索 AI 在需求分析、方案设计、编码、测试和代码审查中的应用，沉淀经过实际项目验证的研发方法，提升交付效率与质量。\n\n岗位基本要求\n1. 计算机相关专业本科及以上学历，3 年及以上服务端研发经验，具备扎实的计算机基础和良好的工程习惯；熟练掌握 Java / Go / TypeScript 中至少一门，并能快速切换到团队现有技术栈。有突出的 Agent 相关开源作品或项目实践者，年限可适当放宽。\n\n2. 熟悉服务设计、并发与异步处理、数据库及常用中间件，能够独立完成设计、开发、测试和线上问题排查；有 Java/Spring Boot 或 Node/TypeScript 工程经验者均可。\n\n3. 理解大模型应用和 Agent 的基本工作方式，对执行循环、工具调用、上下文管理和记忆机制有实际认识；有 AI 应用开发经历，能够结合具体任务设计验证方法，分析效果、失败原因和能力边界。\n\n4. 具备良好的问题分析与动手能力，能够面对需求和技术的不确定性，通过原型、实验和数据验证方案，推动问题解决。\n\n5. 自驱力强，具备良好的沟通与协作能力，愿意深入理解业务和用户需求，能够独立承担任务并推动交付，对结果负责。\n\n岗位亮点\n1. 参与履约 AutoResearch 的探索与落地。 让 Agent 参与方案提出、代码实现、实验执行和结果分析，探索如何通过连续实验与反馈完成研究和优化任务。\n\n2. 围绕真实履约问题开展工作。 与算法和业务同学紧密协作，在实际研究与研发任务中验证 Agent 的效果，用实验指标和使用反馈判断改进是否有效。\n\n3. 参与从场景定义到交付验证的完整过程。 深入理解问题，参与技术方案和实现，在实际使用中持续迭代，积累 Agent 处理复杂任务的工程经验。\n\n4. 实践 AI 时代的研发方式。 与具备算法工程和大模型应用经验的同学共同工作，在真实项目中探索 AI Coding 与 AI-SDLC。\n1. 推进履约 AutoResearch 场景落地。 与算法和业务团队协作，将研究与优化问题转化为目标明确、可执行、可验证的任务，推动「提出方案 → 执行实验 → 分析结果 → 迭代优化」的自主研究流程落地。\n\n2. 负责面向研究与工程任务的 Agent 开发。 围绕代码理解与修改、工具调用、上下文管理和多步骤执行，设计 Agent 的执行流程，支持其持续完成复杂任务，并在关键环节引入必要的人工判断与协作。\n\n3. 建立任务与实验的评估方法。 跟踪执行过程，验证实验结果，分析失败案例，持续提升任务完成率、产出质量和执行效率，确保优化结论有依据、实验过程可复现。\n\n4. 推动 Agent 与履约实际工作结合。 接入研究和研发所需的数据、代码、实验工具及业务系统，完善从问题提出到结果交付的流程，并根据算法和业务同学的使用反馈持续改进。\n\n5. 深度实践 AI-SDLC。 探索 AI 在需求分析、方案设计、编码、测试和代码审查中的应用，沉淀经过实际项目验证的研发方法，提升交付效率与质量。\n1. 计算机相关专业本科及以上学历，3 年及以上服务端研发经验，具备扎实的计算机基础和良好的工程习惯；熟练掌握 Java / Go / TypeScript 中至少一门，并能快速切换到团队现有技术栈。有突出的 Agent 相关开源作品或项目实践者，年限可适当放宽。\n\n2. 熟悉服务设计、并发与异步处理、数据库及常用中间件，能够独立完成设计、开发、测试和线上问题排查；有 Java/Spring Boot 或 Node/TypeScript 工程经验者均可。\n\n3. 理解大模型应用和 Agent 的基本工作方式，对执行循环、工具调用、上下文管理和记忆机制有实际认识；有 AI 应用开发经历，能够结合具体任务设计验证方法，分析效果、失败原因和能力边界。\n\n4. 具备良好的问题分析与动手能力，能够面对需求和技术的不确定性，通过原型、实验和数据验证方案，推动问题解决。\n\n5. 自驱力强，具备良好的沟通与协作能力，愿意深入理解业务和用户需求，能够独立承担任务并推动交付，对结果负责。",
    "standard_classification": {
        "std_category_code": "T009",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}