主分类：Agent系统开发
辅助：数据工程与数据平台研发（仅展示）
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应用研发工程师（AI 代码图谱方向）",
"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": "人工智能"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": 5,
"degree": "本科",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "岗位概述：\n我们正在寻找一位具备静态分析 + 知识图谱 + AI Agent 集成能力的高级工程师，负责构建面向大型游戏代码仓库的 CodeMap 基础设施。核心使命是通过 AST 解析、调用图构建、语义索引等技术，让 AI Coding Agent 获得对百万行代码仓库的全局结构感知。\n\n工作内容：\n1. 代码图谱构建：基于 Tree-sitter / LSP 设计多语言代码结构化解析管线，提取函数、类、接口等符号及调用/继承/导入关系；构建知识图谱存储层，支持调用链追踪、影响面分析、循环依赖检测；实现增量索引与实时更新。\n2. AI Agent 集成：将代码图谱封装为 MCP Server，暴露标准化工具接口；开发 Agent Plugin / Skill，实现自动上下文注入——Agent 操作文件时自动附带调用链、影响面等结构信息；设计上下文压缩与 Token 预算优化策略。\n3. 语义检索与分析：实现混合检索系统（全文搜索 + 向量语义搜索 + 图查询融合）；基于图算法实现代码相关性排序；开发死代码检测、变更影响面分析等代码智能能力。\n4. 工程落地：面向大型游戏代码仓库，解决索引性能、存储效率等工程挑战；与 CI/CD 流程集成，将代码图谱更新纳入持续集成流水线。",
"requirements_text": "1. 本科以上学历，计算机相关专业，5 年以上开发经验，或 2 年以上 AI 工程化落地经验；\n2. 具有扎实的编程功底，掌握 Python / TypeScript / C++ / Lua 中至少一门语言，具备借助 AI 快速上手新语言的能力；\n3. 了解编译原理基础（AST、IR、符号解析），有 Tree-sitter 或类似 AST 框架使用经验；\n4. 有静态分析工具开发或使用经验（CodeQL、SonarQube、Semgrep 等）；\n5. 掌握图算法（PageRank、社区发现、环检测），有图数据库使用经验（Neo4j、KùzuDB 等）；\n6. 深入使用过大语言模型（GPT / Claude / Gemini 等），熟悉 LLM 应用架构，有 Prompt Engineering、RAG、Function Calling、Agent 开发实战经验；\n7. 对 AI Coding 有热情，深度使用 AI Coding 工具（Claude Code、Cursor、Codex 等）并理解其 Agent 设计原理，有 MCP 工具或 IDE 插件开发经验者优先；\n8. 较好的产品意识，对开发者工具的用户体验、交互流程有追求；\n9. 具有良好的业务理解能力、沟通能力和责任心，具备较强的团队意识和执行力。\n\n加分项\n1. 有大型代码仓库（百万行以上）开发或管理经验\n2. 了解或参与过以下开源项目：under.stand Anything、GitNexus、Aider repo-map、Repomix、CodeGraphContext、Codebase-Memory、code-graph-mcp 等代码智能/代码图谱方向项目\n3. 有游戏引擎开发经验（UE GC 反射、UObject、Blueprint 互操作等）\n4. 有多语言解析管线设计经验或大模型结合代码分析的应用经验",
"skills": [AI生成
"Python",
"TypeScript",
"C++",
"数据库",
"沟通能力",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "7. 对 AI Coding 有热情，深度使用 AI Coding 工具（Claude Code、Cursor、Codex 等）并理解其 Agent 设计原理，有 MCP 工具或 IDE 插件开发经验者优先；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=76665&lang=zh"
}
]
},
"posting": {
"posting_id": "76665",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://hr.163.com/job-detail.html?id=76665&lang=zh"
},
"fulltext": "AI应用研发工程师（AI 代码图谱方向）\n职位描述\n岗位概述：\n我们正在寻找一位具备静态分析 + 知识图谱 + AI Agent 集成能力的高级工程师，负责构建面向大型游戏代码仓库的 CodeMap 基础设施。核心使命是通过 AST 解析、调用图构建、语义索引等技术，让 AI Coding Agent 获得对百万行代码仓库的全局结构感知。\n\n工作内容：\n1. 代码图谱构建：基于 Tree-sitter / LSP 设计多语言代码结构化解析管线，提取函数、类、接口等符号及调用/继承/导入关系；构建知识图谱存储层，支持调用链追踪、影响面分析、循环依赖检测；实现增量索引与实时更新。\n2. AI Agent 集成：将代码图谱封装为 MCP Server，暴露标准化工具接口；开发 Agent Plugin / Skill，实现自动上下文注入——Agent 操作文件时自动附带调用链、影响面等结构信息；设计上下文压缩与 Token 预算优化策略。\n3. 语义检索与分析：实现混合检索系统（全文搜索 + 向量语义搜索 + 图查询融合）；基于图算法实现代码相关性排序；开发死代码检测、变更影响面分析等代码智能能力。\n4. 工程落地：面向大型游戏代码仓库，解决索引性能、存储效率等工程挑战；与 CI/CD 流程集成，将代码图谱更新纳入持续集成流水线。\n\n职位要求\n1. 本科以上学历，计算机相关专业，5 年以上开发经验，或 2 年以上 AI 工程化落地经验；\n2. 具有扎实的编程功底，掌握 Python / TypeScript / C++ / Lua 中至少一门语言，具备借助 AI 快速上手新语言的能力；\n3. 了解编译原理基础（AST、IR、符号解析），有 Tree-sitter 或类似 AST 框架使用经验；\n4. 有静态分析工具开发或使用经验（CodeQL、SonarQube、Semgrep 等）；\n5. 掌握图算法（PageRank、社区发现、环检测），有图数据库使用经验（Neo4j、KùzuDB 等）；\n6. 深入使用过大语言模型（GPT / Claude / Gemini 等），熟悉 LLM 应用架构，有 Prompt Engineering、RAG、Function Calling、Agent 开发实战经验；\n7. 对 AI Coding 有热情，深度使用 AI Coding 工具（Claude Code、Cursor、Codex 等）并理解其 Agent 设计原理，有 MCP 工具或 IDE 插件开发经验者优先；\n8. 较好的产品意识，对开发者工具的用户体验、交互流程有追求；\n9. 具有良好的业务理解能力、沟通能力和责任心，具备较强的团队意识和执行力。\n\n加分项\n1. 有大型代码仓库（百万行以上）开发或管理经验\n2. 了解或参与过以下开源项目：under.stand Anything、GitNexus、Aider repo-map、Repomix、CodeGraphContext、Codebase-Memory、code-graph-mcp 等代码智能/代码图谱方向项目\n3. 有游戏引擎开发经验（UE GC 反射、UObject、Blueprint 互操作等）\n4. 有多语言解析管线设计经验或大模型结合代码分析的应用经验\n岗位概述：\n我们正在寻找一位具备静态分析 + 知识图谱 + AI Agent 集成能力的高级工程师，负责构建面向大型游戏代码仓库的 CodeMap 基础设施。核心使命是通过 AST 解析、调用图构建、语义索引等技术，让 AI Coding Agent 获得对百万行代码仓库的全局结构感知。\n\n工作内容：\n1. 代码图谱构建：基于 Tree-sitter / LSP 设计多语言代码结构化解析管线，提取函数、类、接口等符号及调用/继承/导入关系；构建知识图谱存储层，支持调用链追踪、影响面分析、循环依赖检测；实现增量索引与实时更新。\n2. AI Agent 集成：将代码图谱封装为 MCP Server，暴露标准化工具接口；开发 Agent Plugin / Skill，实现自动上下文注入——Agent 操作文件时自动附带调用链、影响面等结构信息；设计上下文压缩与 Token 预算优化策略。\n3. 语义检索与分析：实现混合检索系统（全文搜索 + 向量语义搜索 + 图查询融合）；基于图算法实现代码相关性排序；开发死代码检测、变更影响面分析等代码智能能力。\n4. 工程落地：面向大型游戏代码仓库，解决索引性能、存储效率等工程挑战；与 CI/CD 流程集成，将代码图谱更新纳入持续集成流水线。\n1. 本科以上学历，计算机相关专业，5 年以上开发经验，或 2 年以上 AI 工程化落地经验；\n2. 具有扎实的编程功底，掌握 Python / TypeScript / C++ / Lua 中至少一门语言，具备借助 AI 快速上手新语言的能力；\n3. 了解编译原理基础（AST、IR、符号解析），有 Tree-sitter 或类似 AST 框架使用经验；\n4. 有静态分析工具开发或使用经验（CodeQL、SonarQube、Semgrep 等）；\n5. 掌握图算法（PageRank、社区发现、环检测），有图数据库使用经验（Neo4j、KùzuDB 等）；\n6. 深入使用过大语言模型（GPT / Claude / Gemini 等），熟悉 LLM 应用架构，有 Prompt Engineering、RAG、Function Calling、Agent 开发实战经验；\n7. 对 AI Coding 有热情，深度使用 AI Coding 工具（Claude Code、Cursor、Codex 等）并理解其 Agent 设计原理，有 MCP 工具或 IDE 插件开发经验者优先；\n8. 较好的产品意识，对开发者工具的用户体验、交互流程有追求；\n9. 具有良好的业务理解能力、沟通能力和责任心，具备较强的团队意识和执行力。\n\n加分项\n1. 有大型代码仓库（百万行以上）开发或管理经验\n2. 了解或参与过以下开源项目：under.stand Anything、GitNexus、Aider repo-map、Repomix、CodeGraphContext、Codebase-Memory、code-graph-mcp 等代码智能/代码图谱方向项目\n3. 有游戏引擎开发经验（UE GC 反射、UObject、Blueprint 互操作等）\n4. 有多语言解析管线设计经验或大模型结合代码分析的应用经验",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T016"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}