{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "2027AIDU-Agent应用全栈工程师(J99974)",
        "job_level": "校招",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "北京市",
        "work_mode": "未披露",AI生成
        "job_category": "技术"AI生成
    },
    "company": {
        "company_name": "百度",
        "company_industry": "互联网 / 人工智能",
        "company_size": "10000人以上",
        "company_website": "baidu.com",
        "company_description": "百度围绕搜索发展人工智能技术，业务涉及语音、图像、知识图谱、自然语言处理、自动驾驶和AI芯片。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "未披露",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1. 构建下一代基于大模型的 Autonomous Agent 系统，让 AI 从“对话工具”进化为“可执行任务的智能体”；\n2. 设计复杂任务的  规划（Planning）—执行（Acting）—反思（Reflection）闭环，提升 Agent 的自主决策能力；\n3.搭建 Agent 的核心能力体系，包括： Tool / API  调用（函数调用体系）、长短期记忆（Memory）机制、多轮推理与状态管理（Reasoning & State）；\n4. 探索并落地 多Agent协作（Multi-Agent  Systems），解决复杂业务问题（如自动化流程、复杂决策、智能运营等）；\n5. 深度参与 RAG（检索增强生成）+ Agent  融合架构设计，构建具备知识理解与行动能力的系统，推动 Agent 在真实场景中的应用落地（如搜索、医疗、企业服务、数据分析、自动化办公等）参与 Agent  系统的评测体系建设（Eval），优化智能体的：成功率 / 稳定性、成本（Token / 调用）、延迟与用户体验；\n5. 持续跟踪前沿方向（如 Tool  Learning、Self-Improvement、长期记忆、World Model、多模态 Agent），并进行工程化落地。",
        "requirements_text": "不满足于“调用 API”，而是想重新定义软件如何被构建（Software 2.0 / Agent-first）\n    对“让 AI 像人一样完成复杂任务”这件事有执念\n    喜欢动手做实验、快速迭代，而不是只停留在论文或概念\n    愿意在一个高速变化、没有标准答案的领域中探索\n    \n    深度使用过大模型（如 GPT / Claude / Gemini 等），理解其能力边界与局限性\n    做过 AI Agent / 自动化工具 / 智能助手相关项目（课程 / 自发项目均可）\n    使用过任一 Agent 框架（如 LangChain / LlamaIndex /  AutoGen / CrewAI 等）\n    对“如何让 AI 完成复杂任务”有强烈兴趣，甚至有自己的方法论或实验\n\n招聘部门：健康事业部",
        "skills": [AI生成
            "招聘",
            "大语言模型",
            "智能体开发"
        ],
        "preferred_qualifications": "未披露",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://talent.baidu.com/jobs/detail/GRADUATE/6f9c3a86-6557-409d-8fa7-e6f4c68d6765"
            }
        ]
    },
    "posting": {
        "posting_id": "6f9c3a86-6557-409d-8fa7-e6f4c68d6765",
        "post_date": "2026-05-12",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://talent.baidu.com/jobs/detail/GRADUATE/6f9c3a86-6557-409d-8fa7-e6f4c68d6765"
    },
    "fulltext": "2027AIDU-Agent应用全栈工程师(J99974)\n2027AIDU-Agent应用全栈工程师(J99974)\n\n基础信息\n地点：北京市\n项目：AIDU项目\n类别：技术\n招聘人数：0\n发布时间：2026-07-21\n\n工作职责\n1. 构建下一代基于大模型的 Autonomous Agent 系统，让 AI 从“对话工具”进化为“可执行任务的智能体”；\n2. 设计复杂任务的  规划（Planning）—执行（Acting）—反思（Reflection）闭环，提升 Agent 的自主决策能力；\n3.搭建 Agent 的核心能力体系，包括： Tool / API  调用（函数调用体系）、长短期记忆（Memory）机制、多轮推理与状态管理（Reasoning & State）；\n4. 探索并落地 多Agent协作（Multi-Agent  Systems），解决复杂业务问题（如自动化流程、复杂决策、智能运营等）；\n5. 深度参与 RAG（检索增强生成）+ Agent  融合架构设计，构建具备知识理解与行动能力的系统，推动 Agent 在真实场景中的应用落地（如搜索、医疗、企业服务、数据分析、自动化办公等）参与 Agent  系统的评测体系建设（Eval），优化智能体的：成功率 / 稳定性、成本（Token / 调用）、延迟与用户体验；\n5. 持续跟踪前沿方向（如 Tool  Learning、Self-Improvement、长期记忆、World Model、多模态 Agent），并进行工程化落地。\n\n职责要求\n不满足于“调用 API”，而是想重新定义软件如何被构建（Software 2.0 / Agent-first）\n    对“让 AI 像人一样完成复杂任务”这件事有执念\n    喜欢动手做实验、快速迭代，而不是只停留在论文或概念\n    愿意在一个高速变化、没有标准答案的领域中探索\n    \n    深度使用过大模型（如 GPT / Claude / Gemini 等），理解其能力边界与局限性\n    做过 AI Agent / 自动化工具 / 智能助手相关项目（课程 / 自发项目均可）\n    使用过任一 Agent 框架（如 LangChain / LlamaIndex /  AutoGen / CrewAI 等）\n    对“如何让 AI 完成复杂任务”有强烈兴趣，甚至有自己的方法论或实验\n\n招聘部门：健康事业部\n1. 构建下一代基于大模型的 Autonomous Agent 系统，让 AI 从“对话工具”进化为“可执行任务的智能体”；\n2. 设计复杂任务的  规划（Planning）—执行（Acting）—反思（Reflection）闭环，提升 Agent 的自主决策能力；\n3.搭建 Agent 的核心能力体系，包括： Tool / API  调用（函数调用体系）、长短期记忆（Memory）机制、多轮推理与状态管理（Reasoning & State）；\n4. 探索并落地 多Agent协作（Multi-Agent  Systems），解决复杂业务问题（如自动化流程、复杂决策、智能运营等）；\n5. 深度参与 RAG（检索增强生成）+ Agent  融合架构设计，构建具备知识理解与行动能力的系统，推动 Agent 在真实场景中的应用落地（如搜索、医疗、企业服务、数据分析、自动化办公等）参与 Agent  系统的评测体系建设（Eval），优化智能体的：成功率 / 稳定性、成本（Token / 调用）、延迟与用户体验；\n5. 持续跟踪前沿方向（如 Tool  Learning、Self-Improvement、长期记忆、World Model、多模态 Agent），并进行工程化落地。\n不满足于“调用 API”，而是想重新定义软件如何被构建（Software 2.0 / Agent-first）\n    对“让 AI 像人一样完成复杂任务”这件事有执念\n    喜欢动手做实验、快速迭代，而不是只停留在论文或概念\n    愿意在一个高速变化、没有标准答案的领域中探索\n    \n    深度使用过大模型（如 GPT / Claude / Gemini 等），理解其能力边界与局限性\n    做过 AI Agent / 自动化工具 / 智能助手相关项目（课程 / 自发项目均可）\n    使用过任一 Agent 框架（如 LangChain / LlamaIndex /  AutoGen / CrewAI 等）\n    对“如何让 AI 完成复杂任务”有强烈兴趣，甚至有自己的方法论或实验\n\n招聘部门：健康事业部",
    "standard_classification": {
        "std_category_code": "T009",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}