主分类：Agent系统开发
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": "算法应用工程师-网易有道",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "网易互联网2027届校园招聘",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "技术"AI生成
},
"company": {
"company_name": "网易",
"company_industry": "互联网 / 游戏 / 数字内容",
"company_size": "10000人以上",
"company_website": "netease.com",
"company_description": "网易提供互联网和游戏服务，并通过有道、网易云音乐、网易严选等业务提供学习、音乐及消费服务。"
},
"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": "以业务真实问题为起点，用 Agent 等技术把 AI 跑成规模化生产力。你会走完从发现痛点到系统上线的全链路，用智能化应用与工具让交付更快更准、质量可预期。以下方向负责其中一项或多项：\n1、找问题、定病根：扎进业务一线，用数据与特征分析挖出表象背后的原因，把说不清的痛点翻译成 AI 能落地的目标。同时对 AI 边界心里有数——哪些交给大模型、哪些用规则兜底、哪些现在不该上，不为了用 AI 而用 AI。\n2、画架构：设计以 AI 为核心的系统架构，参与 Agent 关键模块（记忆、推理策略、工具编排）的方案规划，在灵活、可扩展与真能落地之间找平衡。\n3、搭环境与知识：打通 AI 与现有业务系统，包括 API 对接、RAG 知识库、记忆机制；持续优化召回效果与上下文注入，让模型拿到的信息又准又新。\n4、做核心模块：落地 Agent 关键模块，跑通\"识别意图—拆任务—反思纠错\"闭环；沉淀标准 SDK/API，建起可观测能力，支持全链路追踪与多维归因。\n5、持续迭代：建自动化评测与回归体系，靠调优和 Case 复盘收敛效果，在效果与性能间找最优解；把经验变成方法论和可复用组件，推动能力从单点跑通走向批量复制。",
"requirements_text": "一、专业能力\n1、AI 编程工具用得极深：Codex、Claude Code 是日常武器，Prompt 写得好也调得动，做过完整项目级开发，知道怎么把 AI 输出逼到生产可用。\n2、懂大模型也拿捏得住：清楚主流 LLM 的强弱边界，能把任务拆干净，知道何时上模型、何时用确定性逻辑补位；熟悉 Context / Prompt / Graph / Loop Engineering、Agent、工具调用等范式与常见 Agent 框架（如 Pi），对幻觉、Prompt 注入有工程解法。\n3、工程功底扎实：数据结构、算法、网络、操作系统基础过硬；至少精通一门主流语言（Java / Python / JS），能按场景选型并快速上手。\n4、本科及以上学历，计算机、软件工程、人工智能等相关专业优先。\n\n二、能力特质\n学得快（论文能读懂也能变成代码）、爱动手不空谈（有独立完成的开源项目或 Demo）、好奇且擅长定义问题、对技术方案有审美追求、自驱往前跑而非坐等派活。\n\n三、加分项\n1、真落地过 AI 应用或 Agent：RAG 系统、多智能体编排、基于 MCP / Skill 的项目等，有拿得出手的产出更好。\n2、有开源贡献或技术影响力：GitHub 上有质量不错的 AI 项目、技术博客或社区声量。\n3、对 AI Infra 有基本认知：了解 vLLM、Ollama 原理，对延迟优化、KV Cache、流式输出有整体视角。",
"skills": [AI生成
"Python",
"Java",
"数据结构",
"大语言模型",
"检索增强生成",
"智能体开发"
],
"preferred_qualifications": "4、本科及以上学历，计算机、软件工程、人工智能等相关专业优先；三、加分项",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus.163.com/app/detail/index?id=4859&projectId=103"
}
]
},
"posting": {
"posting_id": "103_4859",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus.163.com/app/detail/index?id=4859&projectId=103"
},
"fulltext": "算法应用工程师-网易有道\n职位描述\n以业务真实问题为起点，用 Agent 等技术把 AI 跑成规模化生产力。你会走完从发现痛点到系统上线的全链路，用智能化应用与工具让交付更快更准、质量可预期。以下方向负责其中一项或多项：\n1、找问题、定病根：扎进业务一线，用数据与特征分析挖出表象背后的原因，把说不清的痛点翻译成 AI 能落地的目标。同时对 AI 边界心里有数——哪些交给大模型、哪些用规则兜底、哪些现在不该上，不为了用 AI 而用 AI。\n2、画架构：设计以 AI 为核心的系统架构，参与 Agent 关键模块（记忆、推理策略、工具编排）的方案规划，在灵活、可扩展与真能落地之间找平衡。\n3、搭环境与知识：打通 AI 与现有业务系统，包括 API 对接、RAG 知识库、记忆机制；持续优化召回效果与上下文注入，让模型拿到的信息又准又新。\n4、做核心模块：落地 Agent 关键模块，跑通\"识别意图—拆任务—反思纠错\"闭环；沉淀标准 SDK/API，建起可观测能力，支持全链路追踪与多维归因。\n5、持续迭代：建自动化评测与回归体系，靠调优和 Case 复盘收敛效果，在效果与性能间找最优解；把经验变成方法论和可复用组件，推动能力从单点跑通走向批量复制。\n\n职位要求\n一、专业能力\n1、AI 编程工具用得极深：Codex、Claude Code 是日常武器，Prompt 写得好也调得动，做过完整项目级开发，知道怎么把 AI 输出逼到生产可用。\n2、懂大模型也拿捏得住：清楚主流 LLM 的强弱边界，能把任务拆干净，知道何时上模型、何时用确定性逻辑补位；熟悉 Context / Prompt / Graph / Loop Engineering、Agent、工具调用等范式与常见 Agent 框架（如 Pi），对幻觉、Prompt 注入有工程解法。\n3、工程功底扎实：数据结构、算法、网络、操作系统基础过硬；至少精通一门主流语言（Java / Python / JS），能按场景选型并快速上手。\n4、本科及以上学历，计算机、软件工程、人工智能等相关专业优先。\n\n二、能力特质\n学得快（论文能读懂也能变成代码）、爱动手不空谈（有独立完成的开源项目或 Demo）、好奇且擅长定义问题、对技术方案有审美追求、自驱往前跑而非坐等派活。\n\n三、加分项\n1、真落地过 AI 应用或 Agent：RAG 系统、多智能体编排、基于 MCP / Skill 的项目等，有拿得出手的产出更好。\n2、有开源贡献或技术影响力：GitHub 上有质量不错的 AI 项目、技术博客或社区声量。\n3、对 AI Infra 有基本认知：了解 vLLM、Ollama 原理，对延迟优化、KV Cache、流式输出有整体视角。\n以业务真实问题为起点，用 Agent 等技术把 AI 跑成规模化生产力。你会走完从发现痛点到系统上线的全链路，用智能化应用与工具让交付更快更准、质量可预期。以下方向负责其中一项或多项：\n1、找问题、定病根：扎进业务一线，用数据与特征分析挖出表象背后的原因，把说不清的痛点翻译成 AI 能落地的目标。同时对 AI 边界心里有数——哪些交给大模型、哪些用规则兜底、哪些现在不该上，不为了用 AI 而用 AI。\n2、画架构：设计以 AI 为核心的系统架构，参与 Agent 关键模块（记忆、推理策略、工具编排）的方案规划，在灵活、可扩展与真能落地之间找平衡。\n3、搭环境与知识：打通 AI 与现有业务系统，包括 API 对接、RAG 知识库、记忆机制；持续优化召回效果与上下文注入，让模型拿到的信息又准又新。\n4、做核心模块：落地 Agent 关键模块，跑通\"识别意图—拆任务—反思纠错\"闭环；沉淀标准 SDK/API，建起可观测能力，支持全链路追踪与多维归因。\n5、持续迭代：建自动化评测与回归体系，靠调优和 Case 复盘收敛效果，在效果与性能间找最优解；把经验变成方法论和可复用组件，推动能力从单点跑通走向批量复制。\n一、专业能力\n1、AI 编程工具用得极深：Codex、Claude Code 是日常武器，Prompt 写得好也调得动，做过完整项目级开发，知道怎么把 AI 输出逼到生产可用。\n2、懂大模型也拿捏得住：清楚主流 LLM 的强弱边界，能把任务拆干净，知道何时上模型、何时用确定性逻辑补位；熟悉 Context / Prompt / Graph / Loop Engineering、Agent、工具调用等范式与常见 Agent 框架（如 Pi），对幻觉、Prompt 注入有工程解法。\n3、工程功底扎实：数据结构、算法、网络、操作系统基础过硬；至少精通一门主流语言（Java / Python / JS），能按场景选型并快速上手。\n4、本科及以上学历，计算机、软件工程、人工智能等相关专业优先。\n\n二、能力特质\n学得快（论文能读懂也能变成代码）、爱动手不空谈（有独立完成的开源项目或 Demo）、好奇且擅长定义问题、对技术方案有审美追求、自驱往前跑而非坐等派活。\n\n三、加分项\n1、真落地过 AI 应用或 Agent：RAG 系统、多智能体编排、基于 MCP / Skill 的项目等，有拿得出手的产出更好。\n2、有开源贡献或技术影响力：GitHub 上有质量不错的 AI 项目、技术博客或社区声量。\n3、对 AI Infra 有基本认知：了解 vLLM、Ollama 原理，对延迟优化、KV Cache、流式输出有整体视角。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}