主分类：AI应用开发（非Agent）
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 应用工程师（知识工程）",
"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": "1、设计并开发基于 LLM/多模态模型的应用、服务与工作流（含 Agent 化编排）。\n2、通过上下文工程、MCP调用、SKILLS设计、RAG等手段提升输出质量、稳定性与可控性。\n3、集成并封装主流模型服务商 API，优化吞吐、延迟、成本与可扩展性，保障线上 SLA。\n4、建立评测体系与回归机制（离线评测/在线 A/B），并搭建可观测性与监控告警（质量、延迟、成本、失败率等）。\n5、与产品、业务、设计、后端/前端团队协作，推动 AI 功能在现有产品中的端到端落地。\n6、编写技术文档、工程规范与最佳实践，推动团队工程化与知识沉淀。\n7、持续跟踪生成式 AI 领域进展（模型、Agent、RAG、评测、安全等），并将成熟方案快速应用到生产环境。",
"requirements_text": "1、计算机科学与技术或相关专业本科及以上；具备机器学习/计算机视觉/自然语言处理基础者加分。\n2、2 年及以上软件工程经验，具备 API 设计、开发与集成经验；有生成式 AI 应用落地经验者优先。\n3、有 Agent / 上下文工程 / RAG 的实际项目经验，理解 LLM 的能力边界、常见失效模式与治理方法。\n4、熟练掌握 Python 或 TypeScript 至少一种；熟练使用 SQL；有 Web 框架经验（Flask/FastAPI 等）。\n5、熟悉 Linux 开发与运维常用流程，能独立完成开发、测试、上线、问题定位与故障排查。\n6、熟悉 Anthropic、Google、OpenAI等主流模型服务商 API 的使用与工程化封装经验。\n7、良好的沟通协作能力与服务意识，具备较强学习能力与主动推动能力。\n\n加分项：\n1、有类似 Lovart、Claude Code 等 AI 原生应用/开发工具类产品经验\n2、熟悉 Kubernetes（K8s）原理与实践，有云原生相关开发/部署经验（如容器化、CI/CD、可观测性等）",
"skills": [AI生成
"Python",
"TypeScript",
"SQL",
"Linux",
"Kubernetes",
"FastAPI",
"机器学习",
"自然语言处理",
"计算机视觉",
"学习能力",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "具备机器学习/计算机视觉/自然语言处理基础者加分；有生成式 AI 应用落地经验者优先；加分项：",
"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=73898&lang=zh"
}
]
},
"posting": {
"posting_id": "73898",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://hr.163.com/job-detail.html?id=73898&lang=zh"
},
"fulltext": "AI 应用工程师（知识工程）\n职位描述\n1、设计并开发基于 LLM/多模态模型的应用、服务与工作流（含 Agent 化编排）。\n2、通过上下文工程、MCP调用、SKILLS设计、RAG等手段提升输出质量、稳定性与可控性。\n3、集成并封装主流模型服务商 API，优化吞吐、延迟、成本与可扩展性，保障线上 SLA。\n4、建立评测体系与回归机制（离线评测/在线 A/B），并搭建可观测性与监控告警（质量、延迟、成本、失败率等）。\n5、与产品、业务、设计、后端/前端团队协作，推动 AI 功能在现有产品中的端到端落地。\n6、编写技术文档、工程规范与最佳实践，推动团队工程化与知识沉淀。\n7、持续跟踪生成式 AI 领域进展（模型、Agent、RAG、评测、安全等），并将成熟方案快速应用到生产环境。\n\n职位要求\n1、计算机科学与技术或相关专业本科及以上；具备机器学习/计算机视觉/自然语言处理基础者加分。\n2、2 年及以上软件工程经验，具备 API 设计、开发与集成经验；有生成式 AI 应用落地经验者优先。\n3、有 Agent / 上下文工程 / RAG 的实际项目经验，理解 LLM 的能力边界、常见失效模式与治理方法。\n4、熟练掌握 Python 或 TypeScript 至少一种；熟练使用 SQL；有 Web 框架经验（Flask/FastAPI 等）。\n5、熟悉 Linux 开发与运维常用流程，能独立完成开发、测试、上线、问题定位与故障排查。\n6、熟悉 Anthropic、Google、OpenAI等主流模型服务商 API 的使用与工程化封装经验。\n7、良好的沟通协作能力与服务意识，具备较强学习能力与主动推动能力。\n\n加分项：\n1、有类似 Lovart、Claude Code 等 AI 原生应用/开发工具类产品经验\n2、熟悉 Kubernetes（K8s）原理与实践，有云原生相关开发/部署经验（如容器化、CI/CD、可观测性等）\n1、设计并开发基于 LLM/多模态模型的应用、服务与工作流（含 Agent 化编排）。\n2、通过上下文工程、MCP调用、SKILLS设计、RAG等手段提升输出质量、稳定性与可控性。\n3、集成并封装主流模型服务商 API，优化吞吐、延迟、成本与可扩展性，保障线上 SLA。\n4、建立评测体系与回归机制（离线评测/在线 A/B），并搭建可观测性与监控告警（质量、延迟、成本、失败率等）。\n5、与产品、业务、设计、后端/前端团队协作，推动 AI 功能在现有产品中的端到端落地。\n6、编写技术文档、工程规范与最佳实践，推动团队工程化与知识沉淀。\n7、持续跟踪生成式 AI 领域进展（模型、Agent、RAG、评测、安全等），并将成熟方案快速应用到生产环境。\n1、计算机科学与技术或相关专业本科及以上；具备机器学习/计算机视觉/自然语言处理基础者加分。\n2、2 年及以上软件工程经验，具备 API 设计、开发与集成经验；有生成式 AI 应用落地经验者优先。\n3、有 Agent / 上下文工程 / RAG 的实际项目经验，理解 LLM 的能力边界、常见失效模式与治理方法。\n4、熟练掌握 Python 或 TypeScript 至少一种；熟练使用 SQL；有 Web 框架经验（Flask/FastAPI 等）。\n5、熟悉 Linux 开发与运维常用流程，能独立完成开发、测试、上线、问题定位与故障排查。\n6、熟悉 Anthropic、Google、OpenAI等主流模型服务商 API 的使用与工程化封装经验。\n7、良好的沟通协作能力与服务意识，具备较强学习能力与主动推动能力。\n\n加分项：\n1、有类似 Lovart、Claude Code 等 AI 原生应用/开发工具类产品经验\n2、熟悉 Kubernetes（K8s）原理与实践，有云原生相关开发/部署经验（如容器化、CI/CD、可观测性等）",
"standard_classification": {
"std_category_code": "T008",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}