{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "Agent开发实习生(J14572)",
        "job_level": "",AI生成
        "work_category": "实习",AI生成
        "department": "",
        "location": "广州·海珠区·琶洲",
        "work_mode": "",AI生成
        "job_category": ""AI生成
    },
    "company": {
        "company_name": "合合信息",
        "company_industry": "互联网",
        "company_size": "1000-9999人",
        "company_website": "",
        "company_description": ""
    },
    "compensation": {
        "salary_range": {
            "min": 400,
            "max": 450,
            "currency": "CNY",
            "cycle": "day"
        },
        "benefits": ""
    },
    "requirements": {
        "working_years": "",
        "degree": "本科",
        "language": "",AI生成
        "visa_support": "",
        "responsibilities": "",
        "requirements_text": "工作职责:\n1. 负责文档办公Agent产品开发，从需求理解、接口设计、前后端实现到联调上线全流程覆盖\n2. 负责Agent框架的Prompt优化、Skill和MCP能力建设、速度优化\n3. 主动思考文档办公场景的需求和痛点，辅助挖掘AI原⽣⽂档办公的产品功能需求，并进⾏demo实现\n4. 关注Agent、大模型行业动态，引⼊创新技术手段提升文档生成、编辑和管理的体验\n任职资格:\n1. 精通python和js语言，熟悉主流数据库、缓存、消息队列等服务端工具，熟悉主流的前端框架（React/Vue），满足上述至少1点\n2. 了解 RAG 基本实现：embedding、向量库（Pinecone/Chroma/pgvector 等）\n3. 了解至少一种 agent 框架（LangChain、LlamaIndex，或自己实现过轻量 agent loop），理解多步任务规划、记忆管理的落地方式\n4. 有Agent全链路开发经验，具备上下文管理、记忆管理、沙箱隔离、RAG、MCP等技术经验\n5. 有全栈vibing coding经验优先，有开源社区贡献优先",
        "skills": [],AI生成
        "preferred_qualifications": "",
        "job_highlights": ""
    },
    "contact": {
        "recruiter_name": "",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://www.zhipin.com/job_detail/755bb9c9e76f51190nx72dy6EVZU.html"
            }
        ]
    },
    "posting": {
        "posting_id": "755bb9c9e76f51190nx72dy6EVZU",
        "post_date": "",
        "hire_time": "",
        "update_date": "",
        "job_url": "https://www.zhipin.com/job_detail/755bb9c9e76f51190nx72dy6EVZU.html"
    },
    "fulltext": "工作职责:\n1. 负责文档办公Agent产品开发，从需求理解、接口设计、前后端实现到联调上线全流程覆盖\n2. 负责Agent框架的Prompt优化、Skill和MCP能力建设、速度优化\n3. 主动思考文档办公场景的需求和痛点，辅助挖掘AI原⽣⽂档办公的产品功能需求，并进⾏demo实现\n4. 关注Agent、大模型行业动态，引⼊创新技术手段提升文档生成、编辑和管理的体验\n任职资格:\n1. 精通python和js语言，熟悉主流数据库、缓存、消息队列等服务端工具，熟悉主流的前端框架（React/Vue），满足上述至少1点\n2. 了解 RAG 基本实现：embedding、向量库（Pinecone/Chroma/pgvector 等）\n3. 了解至少一种 agent 框架（LangChain、LlamaIndex，或自己实现过轻量 agent loop），理解多步任务规划、记忆管理的落地方式\n4. 有Agent全链路开发经验，具备上下文管理、记忆管理、沙箱隔离、RAG、MCP等技术经验\n5. 有全栈vibing coding经验优先，有开源社区贡献优先"
}