{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "AI Agent 全栈工程师（音视频方向）",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "D0042",
        "location": "Beijing / Shanghai / Shenzhen / Hangzhou",
        "work_mode": "未披露",AI生成
        "job_category": "J0011"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": 1,
        "degree": "本科及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "AI Agent 全栈工程师（音视频方向）\n\n基础信息\n招聘类型：社招\n职位类别：J0011\n工作地点：Beijing / Shanghai / Shenzhen / Hangzhou\n所属部门：D0042\n发布时间：2026-08-11\n\n岗位职责\n岗位概述：\n负责设计和开发面向音视频业务的 Agent 矩阵，覆盖智能排障、成本管控、体验优化、研发提效等核心场景。你将把复杂的音视频处理 SOP 转化为 Agent 可自主执行的工作流，构建从\"能问\"到\"能干\"的完整 Agent 能力闭环。\n工作职责：\n1、Agent 系统设计与开发：独立设计、开发和迭代 AI Agent，完成架构选型、任务编排、Prompt 设计、工具调用与端到端交付；\n2、工具链封装与集成：将部门核心平台能力（排障、转码、调度、监控等）封装为 Agent 可调用的标准化 Tool / MCP / Skill等，实现 Agent 从\"只能查\"到\"可以干\"的跃迁；\n3、RAG 知识库建设：搭建和优化音视频领域知识库（向量检索 + 混合检索 + 重排序），持续提升检索准确率与响应质量；\n4、效果评估与迭代：设计评估体系，建立评测集，量化 Agent 准确率/召回率/延迟/成本，数据驱动持续优化；\n5、成本与稳定性治理：制定 Agent 降本标准（上下文压缩、模型分流、Token 限流），设计异常兜底与熔断策略，保障生产级可靠性；\n6、前沿探索与团队赋能：持续追踪 AI Agent 生态最新进展，探索 AI 在音视频工作流自动化中的创新应用，推动部门 AI 研发范式升级。\n\n任职要求\n1、本科及以上学历，计算机/软件/信息等相关专业；\n2、1 年以上开发经验，至少精通一个技术领域（前端/客户端/后端均可）；\n3、熟练使用 AI 编程工具（Cursor、Claude Code 等），有用 AI 突破自身不熟悉领域的实际经验；\n4、扎实的 Prompt Engineering 能力，掌握 System Prompt 设计、Few-shot、CoT、结构化输出等技巧；\n5、深入理解 Function Calling / Tool Use 机制，能设计 Tool Schema、处理多轮工具调用链路；\n6、具备产品化思维，善于从日常工作流中洞察和抽象产品需求；\n7、有成本意识，能根据任务选型模型（大模型 vs 小模型 vs 规则），不盲目上大模型。\n加分项：\n1、有 LangChain / LangGraph / AutoGen 或自研 Agent 框架实战等相关经验；\n2、有 MCP / A2A 等 AI 协议的实践经验；\n3、有全栈开发能力，能独立覆盖前端 + 后端；\n4、有音视频/流媒体/直播领域经验；\n5、有 RAG 系统设计与效果优化经验；\n6、有 Agent 评估体系搭建经验；\n7、开源社区活跃（GitHub 有 Agent 相关项目/贡献）。",
        "requirements_text": "AI Agent 全栈工程师（音视频方向）\n\n基础信息\n招聘类型：社招\n职位类别：J0011\n工作地点：Beijing / Shanghai / Shenzhen / Hangzhou\n所属部门：D0042\n发布时间：2026-08-11\n\n岗位职责\n岗位概述：\n负责设计和开发面向音视频业务的 Agent 矩阵，覆盖智能排障、成本管控、体验优化、研发提效等核心场景。你将把复杂的音视频处理 SOP 转化为 Agent 可自主执行的工作流，构建从\"能问\"到\"能干\"的完整 Agent 能力闭环。\n工作职责：\n1、Agent 系统设计与开发：独立设计、开发和迭代 AI Agent，完成架构选型、任务编排、Prompt 设计、工具调用与端到端交付；\n2、工具链封装与集成：将部门核心平台能力（排障、转码、调度、监控等）封装为 Agent 可调用的标准化 Tool / MCP / Skill等，实现 Agent 从\"只能查\"到\"可以干\"的跃迁；\n3、RAG 知识库建设：搭建和优化音视频领域知识库（向量检索 + 混合检索 + 重排序），持续提升检索准确率与响应质量；\n4、效果评估与迭代：设计评估体系，建立评测集，量化 Agent 准确率/召回率/延迟/成本，数据驱动持续优化；\n5、成本与稳定性治理：制定 Agent 降本标准（上下文压缩、模型分流、Token 限流），设计异常兜底与熔断策略，保障生产级可靠性；\n6、前沿探索与团队赋能：持续追踪 AI Agent 生态最新进展，探索 AI 在音视频工作流自动化中的创新应用，推动部门 AI 研发范式升级。\n\n任职要求\n1、本科及以上学历，计算机/软件/信息等相关专业；\n2、1 年以上开发经验，至少精通一个技术领域（前端/客户端/后端均可）；\n3、熟练使用 AI 编程工具（Cursor、Claude Code 等），有用 AI 突破自身不熟悉领域的实际经验；\n4、扎实的 Prompt Engineering 能力，掌握 System Prompt 设计、Few-shot、CoT、结构化输出等技巧；\n5、深入理解 Function Calling / Tool Use 机制，能设计 Tool Schema、处理多轮工具调用链路；\n6、具备产品化思维，善于从日常工作流中洞察和抽象产品需求；\n7、有成本意识，能根据任务选型模型（大模型 vs 小模型 vs 规则），不盲目上大模型。\n加分项：\n1、有 LangChain / LangGraph / AutoGen 或自研 Agent 框架实战等相关经验；\n2、有 MCP / A2A 等 AI 协议的实践经验；\n3、有全栈开发能力，能独立覆盖前端 + 后端；\n4、有音视频/流媒体/直播领域经验；\n5、有 RAG 系统设计与效果优化经验；\n6、有 Agent 评估体系搭建经验；\n7、开源社区活跃（GitHub 有 Agent 相关项目/贡献）。",
        "skills": [AI生成
            "可靠性",
            "招聘",
            "大语言模型",
            "检索增强生成",
            "智能体开发"
        ],
        "preferred_qualifications": "加分项：",
        "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/31254"
            }
        ]
    },
    "posting": {
        "posting_id": "31254",
        "post_date": "2026-08-11",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://zhaopin.kuaishou.cn/recruit/e/#/official/social/job-info/31254"
    },
    "fulltext": "AI Agent 全栈工程师（音视频方向）\nAI Agent 全栈工程师（音视频方向）\n\n基础信息\n招聘类型：社招\n职位类别：J0011\n工作地点：Beijing / Shanghai / Shenzhen / Hangzhou\n所属部门：D0042\n发布时间：2026-08-11\n\n岗位职责\n岗位概述：\n负责设计和开发面向音视频业务的 Agent 矩阵，覆盖智能排障、成本管控、体验优化、研发提效等核心场景。你将把复杂的音视频处理 SOP 转化为 Agent 可自主执行的工作流，构建从\"能问\"到\"能干\"的完整 Agent 能力闭环。\n工作职责：\n1、Agent 系统设计与开发：独立设计、开发和迭代 AI Agent，完成架构选型、任务编排、Prompt 设计、工具调用与端到端交付；\n2、工具链封装与集成：将部门核心平台能力（排障、转码、调度、监控等）封装为 Agent 可调用的标准化 Tool / MCP / Skill等，实现 Agent 从\"只能查\"到\"可以干\"的跃迁；\n3、RAG 知识库建设：搭建和优化音视频领域知识库（向量检索 + 混合检索 + 重排序），持续提升检索准确率与响应质量；\n4、效果评估与迭代：设计评估体系，建立评测集，量化 Agent 准确率/召回率/延迟/成本，数据驱动持续优化；\n5、成本与稳定性治理：制定 Agent 降本标准（上下文压缩、模型分流、Token 限流），设计异常兜底与熔断策略，保障生产级可靠性；\n6、前沿探索与团队赋能：持续追踪 AI Agent 生态最新进展，探索 AI 在音视频工作流自动化中的创新应用，推动部门 AI 研发范式升级。\n\n任职要求\n1、本科及以上学历，计算机/软件/信息等相关专业；\n2、1 年以上开发经验，至少精通一个技术领域（前端/客户端/后端均可）；\n3、熟练使用 AI 编程工具（Cursor、Claude Code 等），有用 AI 突破自身不熟悉领域的实际经验；\n4、扎实的 Prompt Engineering 能力，掌握 System Prompt 设计、Few-shot、CoT、结构化输出等技巧；\n5、深入理解 Function Calling / Tool Use 机制，能设计 Tool Schema、处理多轮工具调用链路；\n6、具备产品化思维，善于从日常工作流中洞察和抽象产品需求；\n7、有成本意识，能根据任务选型模型（大模型 vs 小模型 vs 规则），不盲目上大模型。\n加分项：\n1、有 LangChain / LangGraph / AutoGen 或自研 Agent 框架实战等相关经验；\n2、有 MCP / A2A 等 AI 协议的实践经验；\n3、有全栈开发能力，能独立覆盖前端 + 后端；\n4、有音视频/流媒体/直播领域经验；\n5、有 RAG 系统设计与效果优化经验；\n6、有 Agent 评估体系搭建经验；\n7、开源社区活跃（GitHub 有 Agent 相关项目/贡献）。\nAI Agent 全栈工程师（音视频方向）\n\n基础信息\n招聘类型：社招\n职位类别：J0011\n工作地点：Beijing / Shanghai / Shenzhen / Hangzhou\n所属部门：D0042\n发布时间：2026-08-11\n\n岗位职责\n岗位概述：\n负责设计和开发面向音视频业务的 Agent 矩阵，覆盖智能排障、成本管控、体验优化、研发提效等核心场景。你将把复杂的音视频处理 SOP 转化为 Agent 可自主执行的工作流，构建从\"能问\"到\"能干\"的完整 Agent 能力闭环。\n工作职责：\n1、Agent 系统设计与开发：独立设计、开发和迭代 AI Agent，完成架构选型、任务编排、Prompt 设计、工具调用与端到端交付；\n2、工具链封装与集成：将部门核心平台能力（排障、转码、调度、监控等）封装为 Agent 可调用的标准化 Tool / MCP / Skill等，实现 Agent 从\"只能查\"到\"可以干\"的跃迁；\n3、RAG 知识库建设：搭建和优化音视频领域知识库（向量检索 + 混合检索 + 重排序），持续提升检索准确率与响应质量；\n4、效果评估与迭代：设计评估体系，建立评测集，量化 Agent 准确率/召回率/延迟/成本，数据驱动持续优化；\n5、成本与稳定性治理：制定 Agent 降本标准（上下文压缩、模型分流、Token 限流），设计异常兜底与熔断策略，保障生产级可靠性；\n6、前沿探索与团队赋能：持续追踪 AI Agent 生态最新进展，探索 AI 在音视频工作流自动化中的创新应用，推动部门 AI 研发范式升级。\n\n任职要求\n1、本科及以上学历，计算机/软件/信息等相关专业；\n2、1 年以上开发经验，至少精通一个技术领域（前端/客户端/后端均可）；\n3、熟练使用 AI 编程工具（Cursor、Claude Code 等），有用 AI 突破自身不熟悉领域的实际经验；\n4、扎实的 Prompt Engineering 能力，掌握 System Prompt 设计、Few-shot、CoT、结构化输出等技巧；\n5、深入理解 Function Calling / Tool Use 机制，能设计 Tool Schema、处理多轮工具调用链路；\n6、具备产品化思维，善于从日常工作流中洞察和抽象产品需求；\n7、有成本意识，能根据任务选型模型（大模型 vs 小模型 vs 规则），不盲目上大模型。\n加分项：\n1、有 LangChain / LangGraph / AutoGen 或自研 Agent 框架实战等相关经验；\n2、有 MCP / A2A 等 AI 协议的实践经验；\n3、有全栈开发能力，能独立覆盖前端 + 后端；\n4、有音视频/流媒体/直播领域经验；\n5、有 RAG 系统设计与效果优化经验；\n6、有 Agent 评估体系搭建经验；\n7、开源社区活跃（GitHub 有 Agent 相关项目/贡献）。\nAI Agent 全栈工程师（音视频方向）\n\n基础信息\n招聘类型：社招\n职位类别：J0011\n工作地点：Beijing / Shanghai / Shenzhen / Hangzhou\n所属部门：D0042\n发布时间：2026-08-11\n\n岗位职责\n岗位概述：\n负责设计和开发面向音视频业务的 Agent 矩阵，覆盖智能排障、成本管控、体验优化、研发提效等核心场景。你将把复杂的音视频处理 SOP 转化为 Agent 可自主执行的工作流，构建从\"能问\"到\"能干\"的完整 Agent 能力闭环。\n工作职责：\n1、Agent 系统设计与开发：独立设计、开发和迭代 AI Agent，完成架构选型、任务编排、Prompt 设计、工具调用与端到端交付；\n2、工具链封装与集成：将部门核心平台能力（排障、转码、调度、监控等）封装为 Agent 可调用的标准化 Tool / MCP / Skill等，实现 Agent 从\"只能查\"到\"可以干\"的跃迁；\n3、RAG 知识库建设：搭建和优化音视频领域知识库（向量检索 + 混合检索 + 重排序），持续提升检索准确率与响应质量；\n4、效果评估与迭代：设计评估体系，建立评测集，量化 Agent 准确率/召回率/延迟/成本，数据驱动持续优化；\n5、成本与稳定性治理：制定 Agent 降本标准（上下文压缩、模型分流、Token 限流），设计异常兜底与熔断策略，保障生产级可靠性；\n6、前沿探索与团队赋能：持续追踪 AI Agent 生态最新进展，探索 AI 在音视频工作流自动化中的创新应用，推动部门 AI 研发范式升级。\n\n任职要求\n1、本科及以上学历，计算机/软件/信息等相关专业；\n2、1 年以上开发经验，至少精通一个技术领域（前端/客户端/后端均可）；\n3、熟练使用 AI 编程工具（Cursor、Claude Code 等），有用 AI 突破自身不熟悉领域的实际经验；\n4、扎实的 Prompt Engineering 能力，掌握 System Prompt 设计、Few-shot、CoT、结构化输出等技巧；\n5、深入理解 Function Calling / Tool Use 机制，能设计 Tool Schema、处理多轮工具调用链路；\n6、具备产品化思维，善于从日常工作流中洞察和抽象产品需求；\n7、有成本意识，能根据任务选型模型（大模型 vs 小模型 vs 规则），不盲目上大模型。\n加分项：\n1、有 LangChain / LangGraph / AutoGen 或自研 Agent 框架实战等相关经验；\n2、有 MCP / A2A 等 AI 协议的实践经验；\n3、有全栈开发能力，能独立覆盖前端 + 后端；\n4、有音视频/流媒体/直播领域经验；\n5、有 RAG 系统设计与效果优化经验；\n6、有 Agent 评估体系搭建经验；\n7、开源社区活跃（GitHub 有 Agent 相关项目/贡献）。",
    "standard_classification": {
        "std_category_code": "T009",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}