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": "AI 平台研发工程师（AI Agent Infra）",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "技术中心",
"location": "广州市",
"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": 2,
"degree": "本科",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "我们正在建设企业级 AI Agent Infra（Agent 基础设施平台），目标是将 Agent 的运行、编排、工具、记忆、安全等通用能力平台化，降低业务构建 Agent 的成本。\n作为 Agent Infra 平台工程师，您将参与大模型接入、能力编排、性能优化、Agent 通用能力、评估体系建设以及成本管理等全链路工作，与 AI 应用、平台和基础设施团队协作，推动 Agent 能力从实验走向可复用、可治理的 Agent 工程体系。\n\n主要职责\n1. 负责 AIGW（AI Gateway）的大模型接入、路由、限流、监控、运维体系建设与优化。\n2. 实现并维护与主流大模型服务（OpenAI、Anthropic、Gemini、DeepSeek 等）的 API 集成体系。\n2. 参与大模型能力评估：效果评测、推理性能优化、模型选型对比、成本分析与优化。\n3. 构建并维护 LLM 应用相关的工具链，包括 Prompt 模板管理、RAG 访问层、评测框架。\n4. 优化模型调用策略（缓存、多模型路由、降级策略、并发调度）。\n5. 支持业务团队落地 AI 应用，协助完成模型选型、评估、接入、调试与规范化接入。\n6. 编写并维护平台技术文档、接入文档、最佳实践与标准。\n7. 持续跟进生成式 AI、Agent、MCP、模型加速等领域的最新进展并应用于平台。\n",
"requirements_text": "1. 计算机相关专业本科及以上学历。\n2. 2 年以上软件开发经验，具备平台类或后端系统开发经验。\n3. 熟练掌握 Python / Go 至少一种语言（二者皆熟练优先）。\n4. 熟练使用 MongoDB、Redis，具备良好的数据建模与缓存实践经验。\n5. 熟悉 Web 开发框架（Flask、FastAPI 等）及 RESTful API 设计与实现。\n6. 熟悉 Linux 环境，可独立使用 Dock.er 完成开发、部署、运维与故障排查。\n7. 熟悉大模型基本原理，了解大模型推理机制与常用模型（OpenAI、Anthropic 等）特性。\n8. 具备 提示工程、RAG 实践经验，了解其优势、限制及适用场景。\n9. 熟悉 AI Coding 工具（如 GitHub Copilot、Cursor、Windsurf）并可在日常研发中高效使用。\n10. 具有良好的沟通协作能力、高执行力、主动性强。\n\n\n加分项：\n1. 有 AI 基础设施 / AI 平台 / AI 网关 开发经验。\n2. 有使用 LangChain / LangGraph / CrewAI 等 Agent 框架开发 Agent 应用经验。\n3. 有模型 推理性能优化、吞吐优化、成本优化 相关经验。\n4. 有 模型效果评测体系、Evaluator、Bench 工具链 的建设经验。\n5. 熟悉 RAG 技术体系（向量库、检索优化、长文本处理、重排序策略）。\n6. 熟悉 Agent、AI 编排、MCP（Model Context Protocol） 等相关技术或有落地经验。\n7. 有 前端开发经验（React/Vue）者优先，可独立完成前后端串联开发。\n8. 熟悉代码大模型（代码补全、代码生成、静态分析）等方向的工程化经验。\n9. 有 游戏研发经验或智能 NPC 开发经验者优先。",
"skills": [AI生成
"Python",
"Redis",
"MongoDB",
"Linux",
"React",
"Vue",
"FastAPI",
"性能优化",
"建模",
"Go",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "3. 熟练掌握 Python / Go 至少一种语言（二者皆熟练优先）；加分项：；7. 有 前端开发经验（React/Vue）者优先，可独立完成前后端串联开发；9. 有 游戏研发经验或智能 NPC 开发经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://hr.163.com/job-detail.html?id=72340&lang=zh"
}
]
},
"posting": {
"posting_id": "72340",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://hr.163.com/job-detail.html?id=72340&lang=zh"
},
"fulltext": "AI 平台研发工程师（AI Agent Infra）\n职位描述\n我们正在建设企业级 AI Agent Infra（Agent 基础设施平台），目标是将 Agent 的运行、编排、工具、记忆、安全等通用能力平台化，降低业务构建 Agent 的成本。\n作为 Agent Infra 平台工程师，您将参与大模型接入、能力编排、性能优化、Agent 通用能力、评估体系建设以及成本管理等全链路工作，与 AI 应用、平台和基础设施团队协作，推动 Agent 能力从实验走向可复用、可治理的 Agent 工程体系。\n\n主要职责\n1. 负责 AIGW（AI Gateway）的大模型接入、路由、限流、监控、运维体系建设与优化。\n2. 实现并维护与主流大模型服务（OpenAI、Anthropic、Gemini、DeepSeek 等）的 API 集成体系。\n2. 参与大模型能力评估：效果评测、推理性能优化、模型选型对比、成本分析与优化。\n3. 构建并维护 LLM 应用相关的工具链，包括 Prompt 模板管理、RAG 访问层、评测框架。\n4. 优化模型调用策略（缓存、多模型路由、降级策略、并发调度）。\n5. 支持业务团队落地 AI 应用，协助完成模型选型、评估、接入、调试与规范化接入。\n6. 编写并维护平台技术文档、接入文档、最佳实践与标准。\n7. 持续跟进生成式 AI、Agent、MCP、模型加速等领域的最新进展并应用于平台。\n\n\n职位要求\n1. 计算机相关专业本科及以上学历。\n2. 2 年以上软件开发经验，具备平台类或后端系统开发经验。\n3. 熟练掌握 Python / Go 至少一种语言（二者皆熟练优先）。\n4. 熟练使用 MongoDB、Redis，具备良好的数据建模与缓存实践经验。\n5. 熟悉 Web 开发框架（Flask、FastAPI 等）及 RESTful API 设计与实现。\n6. 熟悉 Linux 环境，可独立使用 Dock.er 完成开发、部署、运维与故障排查。\n7. 熟悉大模型基本原理，了解大模型推理机制与常用模型（OpenAI、Anthropic 等）特性。\n8. 具备 提示工程、RAG 实践经验，了解其优势、限制及适用场景。\n9. 熟悉 AI Coding 工具（如 GitHub Copilot、Cursor、Windsurf）并可在日常研发中高效使用。\n10. 具有良好的沟通协作能力、高执行力、主动性强。\n\n\n加分项：\n1. 有 AI 基础设施 / AI 平台 / AI 网关 开发经验。\n2. 有使用 LangChain / LangGraph / CrewAI 等 Agent 框架开发 Agent 应用经验。\n3. 有模型 推理性能优化、吞吐优化、成本优化 相关经验。\n4. 有 模型效果评测体系、Evaluator、Bench 工具链 的建设经验。\n5. 熟悉 RAG 技术体系（向量库、检索优化、长文本处理、重排序策略）。\n6. 熟悉 Agent、AI 编排、MCP（Model Context Protocol） 等相关技术或有落地经验。\n7. 有 前端开发经验（React/Vue）者优先，可独立完成前后端串联开发。\n8. 熟悉代码大模型（代码补全、代码生成、静态分析）等方向的工程化经验。\n9. 有 游戏研发经验或智能 NPC 开发经验者优先。\n我们正在建设企业级 AI Agent Infra（Agent 基础设施平台），目标是将 Agent 的运行、编排、工具、记忆、安全等通用能力平台化，降低业务构建 Agent 的成本。\n作为 Agent Infra 平台工程师，您将参与大模型接入、能力编排、性能优化、Agent 通用能力、评估体系建设以及成本管理等全链路工作，与 AI 应用、平台和基础设施团队协作，推动 Agent 能力从实验走向可复用、可治理的 Agent 工程体系。\n\n主要职责\n1. 负责 AIGW（AI Gateway）的大模型接入、路由、限流、监控、运维体系建设与优化。\n2. 实现并维护与主流大模型服务（OpenAI、Anthropic、Gemini、DeepSeek 等）的 API 集成体系。\n2. 参与大模型能力评估：效果评测、推理性能优化、模型选型对比、成本分析与优化。\n3. 构建并维护 LLM 应用相关的工具链，包括 Prompt 模板管理、RAG 访问层、评测框架。\n4. 优化模型调用策略（缓存、多模型路由、降级策略、并发调度）。\n5. 支持业务团队落地 AI 应用，协助完成模型选型、评估、接入、调试与规范化接入。\n6. 编写并维护平台技术文档、接入文档、最佳实践与标准。\n7. 持续跟进生成式 AI、Agent、MCP、模型加速等领域的最新进展并应用于平台。\n\n1. 计算机相关专业本科及以上学历。\n2. 2 年以上软件开发经验，具备平台类或后端系统开发经验。\n3. 熟练掌握 Python / Go 至少一种语言（二者皆熟练优先）。\n4. 熟练使用 MongoDB、Redis，具备良好的数据建模与缓存实践经验。\n5. 熟悉 Web 开发框架（Flask、FastAPI 等）及 RESTful API 设计与实现。\n6. 熟悉 Linux 环境，可独立使用 Dock.er 完成开发、部署、运维与故障排查。\n7. 熟悉大模型基本原理，了解大模型推理机制与常用模型（OpenAI、Anthropic 等）特性。\n8. 具备 提示工程、RAG 实践经验，了解其优势、限制及适用场景。\n9. 熟悉 AI Coding 工具（如 GitHub Copilot、Cursor、Windsurf）并可在日常研发中高效使用。\n10. 具有良好的沟通协作能力、高执行力、主动性强。\n\n\n加分项：\n1. 有 AI 基础设施 / AI 平台 / AI 网关 开发经验。\n2. 有使用 LangChain / LangGraph / CrewAI 等 Agent 框架开发 Agent 应用经验。\n3. 有模型 推理性能优化、吞吐优化、成本优化 相关经验。\n4. 有 模型效果评测体系、Evaluator、Bench 工具链 的建设经验。\n5. 熟悉 RAG 技术体系（向量库、检索优化、长文本处理、重排序策略）。\n6. 熟悉 Agent、AI 编排、MCP（Model Context Protocol） 等相关技术或有落地经验。\n7. 有 前端开发经验（React/Vue）者优先，可独立完成前后端串联开发。\n8. 熟悉代码大模型（代码补全、代码生成、静态分析）等方向的工程化经验。\n9. 有 游戏研发经验或智能 NPC 开发经验者优先。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}