{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "AI Agent工程研究员（博士）",
        "job_level": "",AI生成
        "work_category": "",AI生成
        "department": "",
        "location": "广州·花都区·炭步",
        "work_mode": "",AI生成
        "job_category": ""AI生成
    },
    "company": {
        "company_name": "深圳联友科技有限公司",
        "company_industry": "互联网",
        "company_size": "1000-9999人",
        "company_website": "",
        "company_description": ""
    },
    "compensation": {
        "salary_range": {
            "min": 30000,
            "max": 50000,
            "currency": "CNY",
            "cycle": "month"
        },
        "benefits": ""
    },
    "requirements": {
        "working_years": "",
        "degree": "博士",
        "language": "",AI生成
        "visa_support": "",
        "responsibilities": "",
        "requirements_text": "毕业时间：2027年 招聘截止日期：2026.11.30\n\n一、基本要求\n学历：应届博士或博士出站，计算机、人⼯智能、软件⼯程、⾃动化、数学、认知科学、人机交互等相关专业。\n毕业时间：应届博士，或毕业不超过1年；博⼠期间研究方向与LLM、AI Agent、多智能体、知识工程、评测体系等高度相关。\n科研能力：在AI/LLM/Agent相关方向有扎实研究基础，有顶会论文、专利、开源项目或高质量技术报告者优先。\n工程意愿：不仅做算法研究，愿意深入工程化、平台化、标准化，能写代码、搭框架、做工具、定规范。\n二、专业能力要求\nAI Agent构建能力\n熟悉Agent核心机制：规划、记忆、工具调用、反思、多Agent协作、人机协同、任务分解、Workflow编排。\n熟悉LLM应用关键技术：Prompt Engineering、Function Calling、MCP、RAG、上下文工程、长期记忆、沙箱执行。\n熟悉至少一种Agent高代码框架：LangGraph、LlamaIndex、AutoGen、CrewAI、Semantic Kernel、OpenAI Agents SDK等。\n有能力抽象企业级Agent高代码框架/SDK/DSL，支持复杂业务Agent快速构建、调试、发布和复用。\n自主式智能体方向\n理解自主式智能体架构，包括目标驱动、环境感知、工具使用、自我反思、长期规划、多轮任务执行。\n有Hermes Agent、DeepSeek harness、DeepSeek模型应用、开源Agent框架二次开发经验者优先。\n能设计自主式智能体的能力边界、安全护栏、人工接管和运营机制。\n知识库与本体建模\n熟悉知识库平台、RAG、向量数据库、图数据库、知识图谱。\n了解本体建模方法，熟悉OWL/RDF/SPARQL、Protégé等工具者优先。\n能将业务知识、工具、Agent能力进行结构化建模，支撑Agent可解释、可治理、可运营。\n观测、评测与运营\n熟悉Agent/LLM观测与评测工具：LangSmith、LangFuse、Arize Phoenix、OpenTelemetry、RAGAS、DeepEval、AgentBench、GAIA、SWE-bench等。\n能设计离线评测、在线评测、A/B测试、Trace追踪、成本监控、质量指标、安全合规指标。\n理解AgentOps/LLMOps/MLOps，包括版本管理、发布、回滚、监控、告警、反馈闭环、成本治理。\n能建设Agent运营工具，支撑Agent上线后的效果分析、持续优化、生命周期管理。\n全生命周期工程方法\n理解SDLC、ADLC、MLOps、LLMOps、AgentOps等生命周期思想。\n能参考ADLC建立企业自己的AI Agent全生命周期工程方法。\n能定义生命周期阶段、关键活动、角色分工、产出物、准入准出标准、模板和规范。\n有标准、白皮书、方法论、流程规范编制经验者优先。\n三、工程能力要求\n熟练掌握Python，具备良好的工程编码习惯。\n熟悉后端服务、API设计、微服务、消息队列、数据库等基础架构。\n熟悉Docker/K8s、CI/CD、云平台、可观测性体系。\n能独立完成从原型验证到平台化工具落地的全过程。\n有开源项目贡献、内部平台建设、企业级系统落地经验者优先。\n四、软素质要求\n系统思维强，能把零散问题抽象成方法、流程和工具。\n文档和标准编写能力强，能输出高质量方案、规范、白皮书。\n跨团队协作能力强，能和算法、产品、业务、平台、运营团队协同推进。\n有从0到1建设经验或强烈意愿，能承受前沿方向的不确定性。\n对AI Agent工程化、平台化、运营化有长期兴趣。\n五、加分项\n主导或核心参与过Agent平台、Agent框架、评测平台、知识库平台建设。\n有企业级Agent落地经验，尤其是汽车、制造、金融、企业服务等复杂场景。\n有Hermes Agent、DeepSeek harness、自主式智能体相关实践。\n有多模态Agent、强化学习、后训练、推理优化经验。\n有顶会论文、专利、标准、开源社区影响力。\n有AI Agent评测体系、运营体系、治理体系设计经验。",
        "skills": [],AI生成
        "preferred_qualifications": "",
        "job_highlights": ""
    },
    "contact": {
        "recruiter_name": "",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://www.zhipin.com/job_detail/5d0d90d73d2d50e80nx6092_FFBZ.html"
            }
        ]
    },
    "posting": {
        "posting_id": "5d0d90d73d2d50e80nx6092_FFBZ",
        "post_date": "",
        "hire_time": "",
        "update_date": "",
        "job_url": "https://www.zhipin.com/job_detail/5d0d90d73d2d50e80nx6092_FFBZ.html"
    },
    "fulltext": "毕业时间：2027年 招聘截止日期：2026.11.30\n\n一、基本要求\n学历：应届博士或博士出站，计算机、人⼯智能、软件⼯程、⾃动化、数学、认知科学、人机交互等相关专业。\n毕业时间：应届博士，或毕业不超过1年；博⼠期间研究方向与LLM、AI Agent、多智能体、知识工程、评测体系等高度相关。\n科研能力：在AI/LLM/Agent相关方向有扎实研究基础，有顶会论文、专利、开源项目或高质量技术报告者优先。\n工程意愿：不仅做算法研究，愿意深入工程化、平台化、标准化，能写代码、搭框架、做工具、定规范。\n二、专业能力要求\nAI Agent构建能力\n熟悉Agent核心机制：规划、记忆、工具调用、反思、多Agent协作、人机协同、任务分解、Workflow编排。\n熟悉LLM应用关键技术：Prompt Engineering、Function Calling、MCP、RAG、上下文工程、长期记忆、沙箱执行。\n熟悉至少一种Agent高代码框架：LangGraph、LlamaIndex、AutoGen、CrewAI、Semantic Kernel、OpenAI Agents SDK等。\n有能力抽象企业级Agent高代码框架/SDK/DSL，支持复杂业务Agent快速构建、调试、发布和复用。\n自主式智能体方向\n理解自主式智能体架构，包括目标驱动、环境感知、工具使用、自我反思、长期规划、多轮任务执行。\n有Hermes Agent、DeepSeek harness、DeepSeek模型应用、开源Agent框架二次开发经验者优先。\n能设计自主式智能体的能力边界、安全护栏、人工接管和运营机制。\n知识库与本体建模\n熟悉知识库平台、RAG、向量数据库、图数据库、知识图谱。\n了解本体建模方法，熟悉OWL/RDF/SPARQL、Protégé等工具者优先。\n能将业务知识、工具、Agent能力进行结构化建模，支撑Agent可解释、可治理、可运营。\n观测、评测与运营\n熟悉Agent/LLM观测与评测工具：LangSmith、LangFuse、Arize Phoenix、OpenTelemetry、RAGAS、DeepEval、AgentBench、GAIA、SWE-bench等。\n能设计离线评测、在线评测、A/B测试、Trace追踪、成本监控、质量指标、安全合规指标。\n理解AgentOps/LLMOps/MLOps，包括版本管理、发布、回滚、监控、告警、反馈闭环、成本治理。\n能建设Agent运营工具，支撑Agent上线后的效果分析、持续优化、生命周期管理。\n全生命周期工程方法\n理解SDLC、ADLC、MLOps、LLMOps、AgentOps等生命周期思想。\n能参考ADLC建立企业自己的AI Agent全生命周期工程方法。\n能定义生命周期阶段、关键活动、角色分工、产出物、准入准出标准、模板和规范。\n有标准、白皮书、方法论、流程规范编制经验者优先。\n三、工程能力要求\n熟练掌握Python，具备良好的工程编码习惯。\n熟悉后端服务、API设计、微服务、消息队列、数据库等基础架构。\n熟悉Docker/K8s、CI/CD、云平台、可观测性体系。\n能独立完成从原型验证到平台化工具落地的全过程。\n有开源项目贡献、内部平台建设、企业级系统落地经验者优先。\n四、软素质要求\n系统思维强，能把零散问题抽象成方法、流程和工具。\n文档和标准编写能力强，能输出高质量方案、规范、白皮书。\n跨团队协作能力强，能和算法、产品、业务、平台、运营团队协同推进。\n有从0到1建设经验或强烈意愿，能承受前沿方向的不确定性。\n对AI Agent工程化、平台化、运营化有长期兴趣。\n五、加分项\n主导或核心参与过Agent平台、Agent框架、评测平台、知识库平台建设。\n有企业级Agent落地经验，尤其是汽车、制造、金融、企业服务等复杂场景。\n有Hermes Agent、DeepSeek harness、自主式智能体相关实践。\n有多模态Agent、强化学习、后训练、推理优化经验。\n有顶会论文、专利、标准、开源社区影响力。\n有AI Agent评测体系、运营体系、治理体系设计经验。"
}