{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "AI 平台与 Agent 研发技术经理",
        "job_level": "",AI生成
        "work_category": "",AI生成
        "department": "",
        "location": "广州·增城区·新塘广场",
        "work_mode": "",AI生成
        "job_category": ""AI生成
    },
    "company": {
        "company_name": "飞派科技",
        "company_industry": "互联网",
        "company_size": "0-20人",
        "company_website": "",
        "company_description": ""
    },
    "compensation": {
        "salary_range": {
            "min": 30000,
            "max": 60000,
            "currency": "CNY",
            "cycle": "month"
        },
        "benefits": ""
    },
    "requirements": {
        "working_years": 5,
        "degree": "本科",
        "language": "",AI生成
        "visa_support": "",
        "responsibilities": "",
        "requirements_text": "互联网/AI\n岗位描述：\n我们正在建设面向多行业、多业务场景的企业级 AI 平台，连接企业数据、知识与业务流程，沉淀可复用、可配置的平台能力。\n你将负责平台技术架构、研发团队管理和项⽬交付，带领团队建设数据与业务语义服务、Agent 应⽤及系统集成能⼒，与产品、数据、算法及业务专家协作，推动平台从标杆场景验证走向生产环境持续运⾏，并亲自参与核心方案设计和关键代码开发。\n岗位职责：\n1. 团队建设与管理：负责研发团队招聘、分工、目标管理、绩效反馈和人才培养；推动设计评审、代码评审与知识共享，明确前端、后端、数据和算法协作接口，提升团队交付能力。\n2. 项目规划与交付：将平台规划拆解为可验收的阶段目标，推进数据接入与业务建模、标杆应用验证及多场景推广，平衡共性平台能力与客户差异化需求；统筹排期、资源、依赖、需求变更与风险，对进度和质量负责。\n3. 平台架构与核心研发：负责整体架构、技术选型和关键模块研发，建设模型接入、工具服务、任务调度、工作流、统一权限及开放 API/SDK，支撑企业驾驶舱、智能工作空间和场景化 AI 应用复用。\n4. 系统集成与业务建模：牵头对接企业业务系统、数据库、文档及第三方服务，与数据团队建立业务对象、关系和事件的统一表达；推进 Ontology 业务本体、指标口径、数据质量及血缘服务落地，支持不同客户和行业的业务适配。\n5. Agent 与知识应用：建设企业知识库、RAG、Agent 编排和工具调用能力，交付知识问答、业务辅助、自然语言查询、信息分析及任务执行等应用；实现专家经验结构化沉淀、答案溯源及任务效果评测。\n6. 场景应用与平台复用：与算法和业务专家协作，将模型能力封装为可用服务，打通数据、推理、界面与业务流程；沉淀连接器、工具组件和场景模板，通过配置与扩展支持跨行业复用，持续完善版本管理和效果监控。\n7. 权限与业务操作闭环：落实多租户与客户数据隔离、对象与数据访问控制、工具执行授权和全链路审计；在业务系统写回和自动执行时明确授权范围，设计人工审批、幂等、异常补偿及人工接管机制。\n8. 部署运行与业务验收：统筹本地私有化部署、持续集成、测试、发布回滚和可观测性建设；与产品、业务、客户 IT 及运维团队明确数据条件、验收指标及效果基线，持续优化系统稳定性、任务成功率、时延、成本和业务使用效果。\n任职要求：\n1. 经验背景：本科及以上学历，5 年以上软件研发、2 年以上研发团队管理经验。\n2. 项目经历：有企业级平台或复杂业务系统的完整交付经历，担任过技术或研发负责人；有实际 LLM 应用或 Agent 上线经验。\n3. 后端技术：熟练掌握 Python 及至少一种主流 Web 框架，熟悉数据库、缓存、消息队列和 API 设计。\n4. AI 应用基础：熟悉 RAG、工具调用、上下文管理和工作流编排，理解常见效果问题及评测方法。\n5. 工程基础：具备业务数据建模、Linux、容器化及企业部署经验，了解权限隔离和前后端协作模式。\n6. 综合能力：具备良好的业务理解、技术判断和跨团队沟通能力，能适应需求不确定的研发环境。\n加分项：\n1、有企业级 SaaS、数据平台、知识管理或流程自动化产品经验，参与过多客户、多租户交付或跨行业解决方案建设。\n2、有湖仓平台、知识图谱或业务本体建设经验；熟悉 Kafka、Flink、Iceberg、Trino/Spark、DataHub 等相关组件中的部分技术。\n3、有可配置工作流、插件体系、连接器或开放 API/SDK 建设经验，能够将项目需求沉淀为可复用的平台能力。\n4、有大模型私有化部署、推理优化、领域适配或多模态知识库经验；有从 0 到 1 组建团队或推动企业 AI 平台落地的经历。\n我们希望你是这样的人\n你愿意深入理解业务、亲自参与研发，也能带领团队把 AI Agent 做成真正可用的产品；对新技术保持好奇，更重视团队成长、项目交付和产品是否真正解决问题。",
        "skills": [],AI生成
        "preferred_qualifications": "",
        "job_highlights": ""
    },
    "contact": {
        "recruiter_name": "",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://www.zhipin.com/job_detail/03945663042604c30nN93N6_GFJT.html"
            }
        ]
    },
    "posting": {
        "posting_id": "03945663042604c30nN93N6_GFJT",
        "post_date": "",
        "hire_time": "",
        "update_date": "",
        "job_url": "https://www.zhipin.com/job_detail/03945663042604c30nN93N6_GFJT.html"
    },
    "fulltext": "互联网/AI\n岗位描述：\n我们正在建设面向多行业、多业务场景的企业级 AI 平台，连接企业数据、知识与业务流程，沉淀可复用、可配置的平台能力。\n你将负责平台技术架构、研发团队管理和项⽬交付，带领团队建设数据与业务语义服务、Agent 应⽤及系统集成能⼒，与产品、数据、算法及业务专家协作，推动平台从标杆场景验证走向生产环境持续运⾏，并亲自参与核心方案设计和关键代码开发。\n岗位职责：\n1. 团队建设与管理：负责研发团队招聘、分工、目标管理、绩效反馈和人才培养；推动设计评审、代码评审与知识共享，明确前端、后端、数据和算法协作接口，提升团队交付能力。\n2. 项目规划与交付：将平台规划拆解为可验收的阶段目标，推进数据接入与业务建模、标杆应用验证及多场景推广，平衡共性平台能力与客户差异化需求；统筹排期、资源、依赖、需求变更与风险，对进度和质量负责。\n3. 平台架构与核心研发：负责整体架构、技术选型和关键模块研发，建设模型接入、工具服务、任务调度、工作流、统一权限及开放 API/SDK，支撑企业驾驶舱、智能工作空间和场景化 AI 应用复用。\n4. 系统集成与业务建模：牵头对接企业业务系统、数据库、文档及第三方服务，与数据团队建立业务对象、关系和事件的统一表达；推进 Ontology 业务本体、指标口径、数据质量及血缘服务落地，支持不同客户和行业的业务适配。\n5. Agent 与知识应用：建设企业知识库、RAG、Agent 编排和工具调用能力，交付知识问答、业务辅助、自然语言查询、信息分析及任务执行等应用；实现专家经验结构化沉淀、答案溯源及任务效果评测。\n6. 场景应用与平台复用：与算法和业务专家协作，将模型能力封装为可用服务，打通数据、推理、界面与业务流程；沉淀连接器、工具组件和场景模板，通过配置与扩展支持跨行业复用，持续完善版本管理和效果监控。\n7. 权限与业务操作闭环：落实多租户与客户数据隔离、对象与数据访问控制、工具执行授权和全链路审计；在业务系统写回和自动执行时明确授权范围，设计人工审批、幂等、异常补偿及人工接管机制。\n8. 部署运行与业务验收：统筹本地私有化部署、持续集成、测试、发布回滚和可观测性建设；与产品、业务、客户 IT 及运维团队明确数据条件、验收指标及效果基线，持续优化系统稳定性、任务成功率、时延、成本和业务使用效果。\n任职要求：\n1. 经验背景：本科及以上学历，5 年以上软件研发、2 年以上研发团队管理经验。\n2. 项目经历：有企业级平台或复杂业务系统的完整交付经历，担任过技术或研发负责人；有实际 LLM 应用或 Agent 上线经验。\n3. 后端技术：熟练掌握 Python 及至少一种主流 Web 框架，熟悉数据库、缓存、消息队列和 API 设计。\n4. AI 应用基础：熟悉 RAG、工具调用、上下文管理和工作流编排，理解常见效果问题及评测方法。\n5. 工程基础：具备业务数据建模、Linux、容器化及企业部署经验，了解权限隔离和前后端协作模式。\n6. 综合能力：具备良好的业务理解、技术判断和跨团队沟通能力，能适应需求不确定的研发环境。\n加分项：\n1、有企业级 SaaS、数据平台、知识管理或流程自动化产品经验，参与过多客户、多租户交付或跨行业解决方案建设。\n2、有湖仓平台、知识图谱或业务本体建设经验；熟悉 Kafka、Flink、Iceberg、Trino/Spark、DataHub 等相关组件中的部分技术。\n3、有可配置工作流、插件体系、连接器或开放 API/SDK 建设经验，能够将项目需求沉淀为可复用的平台能力。\n4、有大模型私有化部署、推理优化、领域适配或多模态知识库经验；有从 0 到 1 组建团队或推动企业 AI 平台落地的经历。\n我们希望你是这样的人\n你愿意深入理解业务、亲自参与研发，也能带领团队把 AI Agent 做成真正可用的产品；对新技术保持好奇，更重视团队成长、项目交付和产品是否真正解决问题。"
}