{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "AI Agent研发工程师（上下文工程方向）",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "D14207",
        "location": "Hangzhou / Beijing",
        "work_mode": "未披露",AI生成
        "job_category": "J0012"AI生成
    },
    "company": {
        "company_name": "快手科技",
        "company_industry": "内容社区 / 直播 / 电商 / 人工智能",
        "company_size": "10000人以上",
        "company_website": "kuaishou.com",
        "company_description": "快手是内容社区与技术平台公司，业务覆盖短视频、直播、电商、本地生活与 AI 应用。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "本科及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "AI Agent研发工程师（上下文工程方向）\n\n基础信息\n招聘类型：社招\n职位类别：J0012\n工作地点：Hangzhou / Beijing\n所属部门：D14207\n发布时间：2026-07-23\n\n岗位职责\n1、负责 RAG（检索增强生成）核心能力的研发与优化，包括检索策略、召回排序、知识融合等关键环节，持续提升生成质量和准确性；\n2、设计和实现 Agent 长记忆机制，支持跨会话的信息持久化、记忆检索与更新，提升 Agent 的长期交互体验；\n3、深入研究上下文工程底层技术，探索向量检索、混合检索、语义分块、查询改写等方向的效果优化；\n4、关注 Agent 系统的整体技术演进，理解工具调用、规划执行、多智能体协作等核心机制，从上下文工程视角为 Agent 能力提升提供支撑；\n5、跟踪上下文工程及 Agent 领域最新研究进展，快速验证和落地前沿技术方案；\n6、建立效果评估体系，通过实验和数据驱动的方式持续迭代优化 RAG 和记忆系统的表现。\n\n任职要求\n1、本科及以上学历，计算机、人工智能相关专业优先；\n2、熟悉至少一种编程语言（如 Python、Golang、Java 等），掌握常用数据结构与算法，具备良好的编程基础；\n3、对 RAG 技术有深入理解，熟悉主流 Embedding 模型、向量数据库（如 Milvus、Pinecone、Weaviate 等）及检索方案；\n4、了解 LLM 技术原理及 Agent 系统核心机制，对上下文管理、工具调用、记忆机制等有一定认知；\n5、有 NLP/IR 领域背景者优先，熟悉文本检索、语义匹配、信息抽取等技术；\n6、积极主动，注重效果导向，能够独立设计实验方案并推动优化落地；\n7、有顶会论文发表、RAG 相关开源项目贡献、或记忆系统实践经验者加分。",
        "requirements_text": "AI Agent研发工程师（上下文工程方向）\n\n基础信息\n招聘类型：社招\n职位类别：J0012\n工作地点：Hangzhou / Beijing\n所属部门：D14207\n发布时间：2026-07-23\n\n岗位职责\n1、负责 RAG（检索增强生成）核心能力的研发与优化，包括检索策略、召回排序、知识融合等关键环节，持续提升生成质量和准确性；\n2、设计和实现 Agent 长记忆机制，支持跨会话的信息持久化、记忆检索与更新，提升 Agent 的长期交互体验；\n3、深入研究上下文工程底层技术，探索向量检索、混合检索、语义分块、查询改写等方向的效果优化；\n4、关注 Agent 系统的整体技术演进，理解工具调用、规划执行、多智能体协作等核心机制，从上下文工程视角为 Agent 能力提升提供支撑；\n5、跟踪上下文工程及 Agent 领域最新研究进展，快速验证和落地前沿技术方案；\n6、建立效果评估体系，通过实验和数据驱动的方式持续迭代优化 RAG 和记忆系统的表现。\n\n任职要求\n1、本科及以上学历，计算机、人工智能相关专业优先；\n2、熟悉至少一种编程语言（如 Python、Golang、Java 等），掌握常用数据结构与算法，具备良好的编程基础；\n3、对 RAG 技术有深入理解，熟悉主流 Embedding 模型、向量数据库（如 Milvus、Pinecone、Weaviate 等）及检索方案；\n4、了解 LLM 技术原理及 Agent 系统核心机制，对上下文管理、工具调用、记忆机制等有一定认知；\n5、有 NLP/IR 领域背景者优先，熟悉文本检索、语义匹配、信息抽取等技术；\n6、积极主动，注重效果导向，能够独立设计实验方案并推动优化落地；\n7、有顶会论文发表、RAG 相关开源项目贡献、或记忆系统实践经验者加分。",
        "skills": [AI生成
            "Python",
            "Java",
            "Golang",
            "自然语言处理",
            "数据结构",
            "数据库",
            "招聘",
            "Go",
            "大语言模型",
            "检索增强生成",
            "智能体开发"
        ],
        "preferred_qualifications": "1、本科及以上学历，计算机、人工智能相关专业优先；5、有 NLP/IR 领域背景者优先，熟悉文本检索、语义匹配、信息抽取等技术；7、有顶会论文发表、RAG 相关开源项目贡献、或记忆系统实践经验者加分",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://zhaopin.kuaishou.cn/recruit/e/#/official/social/job-info/29753"
            }
        ]
    },
    "posting": {
        "posting_id": "29753",
        "post_date": "2026-07-23",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://zhaopin.kuaishou.cn/recruit/e/#/official/social/job-info/29753"
    },
    "fulltext": "AI Agent研发工程师（上下文工程方向）\nAI Agent研发工程师（上下文工程方向）\n\n基础信息\n招聘类型：社招\n职位类别：J0012\n工作地点：Hangzhou / Beijing\n所属部门：D14207\n发布时间：2026-07-23\n\n岗位职责\n1、负责 RAG（检索增强生成）核心能力的研发与优化，包括检索策略、召回排序、知识融合等关键环节，持续提升生成质量和准确性；\n2、设计和实现 Agent 长记忆机制，支持跨会话的信息持久化、记忆检索与更新，提升 Agent 的长期交互体验；\n3、深入研究上下文工程底层技术，探索向量检索、混合检索、语义分块、查询改写等方向的效果优化；\n4、关注 Agent 系统的整体技术演进，理解工具调用、规划执行、多智能体协作等核心机制，从上下文工程视角为 Agent 能力提升提供支撑；\n5、跟踪上下文工程及 Agent 领域最新研究进展，快速验证和落地前沿技术方案；\n6、建立效果评估体系，通过实验和数据驱动的方式持续迭代优化 RAG 和记忆系统的表现。\n\n任职要求\n1、本科及以上学历，计算机、人工智能相关专业优先；\n2、熟悉至少一种编程语言（如 Python、Golang、Java 等），掌握常用数据结构与算法，具备良好的编程基础；\n3、对 RAG 技术有深入理解，熟悉主流 Embedding 模型、向量数据库（如 Milvus、Pinecone、Weaviate 等）及检索方案；\n4、了解 LLM 技术原理及 Agent 系统核心机制，对上下文管理、工具调用、记忆机制等有一定认知；\n5、有 NLP/IR 领域背景者优先，熟悉文本检索、语义匹配、信息抽取等技术；\n6、积极主动，注重效果导向，能够独立设计实验方案并推动优化落地；\n7、有顶会论文发表、RAG 相关开源项目贡献、或记忆系统实践经验者加分。\nAI Agent研发工程师（上下文工程方向）\n\n基础信息\n招聘类型：社招\n职位类别：J0012\n工作地点：Hangzhou / Beijing\n所属部门：D14207\n发布时间：2026-07-23\n\n岗位职责\n1、负责 RAG（检索增强生成）核心能力的研发与优化，包括检索策略、召回排序、知识融合等关键环节，持续提升生成质量和准确性；\n2、设计和实现 Agent 长记忆机制，支持跨会话的信息持久化、记忆检索与更新，提升 Agent 的长期交互体验；\n3、深入研究上下文工程底层技术，探索向量检索、混合检索、语义分块、查询改写等方向的效果优化；\n4、关注 Agent 系统的整体技术演进，理解工具调用、规划执行、多智能体协作等核心机制，从上下文工程视角为 Agent 能力提升提供支撑；\n5、跟踪上下文工程及 Agent 领域最新研究进展，快速验证和落地前沿技术方案；\n6、建立效果评估体系，通过实验和数据驱动的方式持续迭代优化 RAG 和记忆系统的表现。\n\n任职要求\n1、本科及以上学历，计算机、人工智能相关专业优先；\n2、熟悉至少一种编程语言（如 Python、Golang、Java 等），掌握常用数据结构与算法，具备良好的编程基础；\n3、对 RAG 技术有深入理解，熟悉主流 Embedding 模型、向量数据库（如 Milvus、Pinecone、Weaviate 等）及检索方案；\n4、了解 LLM 技术原理及 Agent 系统核心机制，对上下文管理、工具调用、记忆机制等有一定认知；\n5、有 NLP/IR 领域背景者优先，熟悉文本检索、语义匹配、信息抽取等技术；\n6、积极主动，注重效果导向，能够独立设计实验方案并推动优化落地；\n7、有顶会论文发表、RAG 相关开源项目贡献、或记忆系统实践经验者加分。\nAI Agent研发工程师（上下文工程方向）\n\n基础信息\n招聘类型：社招\n职位类别：J0012\n工作地点：Hangzhou / Beijing\n所属部门：D14207\n发布时间：2026-07-23\n\n岗位职责\n1、负责 RAG（检索增强生成）核心能力的研发与优化，包括检索策略、召回排序、知识融合等关键环节，持续提升生成质量和准确性；\n2、设计和实现 Agent 长记忆机制，支持跨会话的信息持久化、记忆检索与更新，提升 Agent 的长期交互体验；\n3、深入研究上下文工程底层技术，探索向量检索、混合检索、语义分块、查询改写等方向的效果优化；\n4、关注 Agent 系统的整体技术演进，理解工具调用、规划执行、多智能体协作等核心机制，从上下文工程视角为 Agent 能力提升提供支撑；\n5、跟踪上下文工程及 Agent 领域最新研究进展，快速验证和落地前沿技术方案；\n6、建立效果评估体系，通过实验和数据驱动的方式持续迭代优化 RAG 和记忆系统的表现。\n\n任职要求\n1、本科及以上学历，计算机、人工智能相关专业优先；\n2、熟悉至少一种编程语言（如 Python、Golang、Java 等），掌握常用数据结构与算法，具备良好的编程基础；\n3、对 RAG 技术有深入理解，熟悉主流 Embedding 模型、向量数据库（如 Milvus、Pinecone、Weaviate 等）及检索方案；\n4、了解 LLM 技术原理及 Agent 系统核心机制，对上下文管理、工具调用、记忆机制等有一定认知；\n5、有 NLP/IR 领域背景者优先，熟悉文本检索、语义匹配、信息抽取等技术；\n6、积极主动，注重效果导向，能够独立设计实验方案并推动优化落地；\n7、有顶会论文发表、RAG 相关开源项目贡献、或记忆系统实践经验者加分。",
    "standard_classification": {
        "std_category_code": "T009",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}