{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "Agent 开发工程师",
        "job_level": "",AI生成
        "work_category": "",AI生成
        "department": "",
        "location": "深圳·南山区·科技园",
        "work_mode": "",AI生成
        "job_category": ""AI生成
    },
    "company": {
        "company_name": "深信服科技",
        "company_industry": "计算机软件",
        "company_size": "1000-9999人",
        "company_website": "",
        "company_description": ""
    },
    "compensation": {
        "salary_range": {
            "min": 30000,
            "max": 60000,
            "currency": "CNY",
            "cycle": "month"
        },
        "benefits": ""
    },
    "requirements": {
        "working_years": 1,
        "degree": "本科",
        "language": "",AI生成
        "visa_support": "",
        "responsibilities": "",
        "requirements_text": "agent\n大模型算法\n算法工程化经验\nSLAM算法\nPython\nAI Agent工程师（1-3年）\n（Agent系统 / LLM应用架构 / 智能体工程）\n一、岗位职责\n参与公司下⼀代AI Agent系统的设计与落地，围绕复杂任务⾃动化，构建具备任务理解、规划拆解、⼯具调用与自我迭代能⼒的智能体系统；\n基于多Agent协同架构，设计并实现端到端任务执行流程（如Proposal → Task → Coding → Fix闭环），提升复杂问题的自动解决能力与系统稳定性；\n负责大模型在工程场景中的系统化应用，包括：\n多轮推理链路设计（如CoT / ReAct / Tool Use）\nPrompt设计与优化（结构化输出、上下文控制、Prompt Cache）\n上下文管理与Token效率优化\n参与Agent核心能力模块建设：\nMemory机制设计（短期/长期记忆、状态管理、上下文演进）\nTool调用体系（代码执行、检索、环境操作等）\n任务编排与执行机制（任务拆解、调度、回溯与自修复）\n构建与优化AI系统工程能力，包括：\nAgent评测与评估体系（Eval / Harness / 自动化评测）\n系统稳定性与可观测性建设（调用成功率、延迟、成本等）\nPrompt与策略的持续迭代优化机制\n结合具体业务场景（如代码生成、开发辅助、运维自动化等），推动Agent能力从“可用”到“好用”，不断提升实际业务价值；\n二、岗位要求\n计算机相关专业，本科及以上学历，1-3年开发经验；\n熟悉Python / Go / Java等至少一门语言，具备良好的工程能力与代码规范；\n了解主流大模型（如GPT / Claude / 开源模型）的基本原理与调用方式，有实际项目经验优先；\n理解Prompt Engineering基本方法（如Few-shot、CoT、ReAct等），有多轮对话或Agent应用经验优先；\n有以下方向经验者优先：\n多Agent系统或复杂LLM应用开发经验\nTool Use / Function Calling / Agent执行框架经验\nMemory设计、上下文管理或Prompt Cache优化经验\nEval / Benchmark / Harness等评测体系建设经验\nCode Agent、Copilot或开发工具类项目经验\n对AI系统工程有兴趣，具备较强的学习能力与探索意愿，能够在不确定场景中持续迭代方案；\n三、我们在做什么\n构建企业级AI Agent系统，解决复杂任务自动化问题，而非传统问答/RAG场景\n探索多Agent协同体系（规划、执行、修复、探索）\n深度实践LLM工程化（Memory、Tool Use、Eval、系统优化）\n提供从0到1参与系统设计与落地的机会",
        "skills": [],AI生成
        "preferred_qualifications": "",
        "job_highlights": ""
    },
    "contact": {
        "recruiter_name": "",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://www.zhipin.com/job_detail/ac5b9e18a44a20920nd829u1ElFV.html"
            }
        ]
    },
    "posting": {
        "posting_id": "ac5b9e18a44a20920nd829u1ElFV",
        "post_date": "",
        "hire_time": "",
        "update_date": "",
        "job_url": "https://www.zhipin.com/job_detail/ac5b9e18a44a20920nd829u1ElFV.html"
    },
    "fulltext": "agent\n大模型算法\n算法工程化经验\nSLAM算法\nPython\nAI Agent工程师（1-3年）\n（Agent系统 / LLM应用架构 / 智能体工程）\n一、岗位职责\n参与公司下⼀代AI Agent系统的设计与落地，围绕复杂任务⾃动化，构建具备任务理解、规划拆解、⼯具调用与自我迭代能⼒的智能体系统；\n基于多Agent协同架构，设计并实现端到端任务执行流程（如Proposal → Task → Coding → Fix闭环），提升复杂问题的自动解决能力与系统稳定性；\n负责大模型在工程场景中的系统化应用，包括：\n多轮推理链路设计（如CoT / ReAct / Tool Use）\nPrompt设计与优化（结构化输出、上下文控制、Prompt Cache）\n上下文管理与Token效率优化\n参与Agent核心能力模块建设：\nMemory机制设计（短期/长期记忆、状态管理、上下文演进）\nTool调用体系（代码执行、检索、环境操作等）\n任务编排与执行机制（任务拆解、调度、回溯与自修复）\n构建与优化AI系统工程能力，包括：\nAgent评测与评估体系（Eval / Harness / 自动化评测）\n系统稳定性与可观测性建设（调用成功率、延迟、成本等）\nPrompt与策略的持续迭代优化机制\n结合具体业务场景（如代码生成、开发辅助、运维自动化等），推动Agent能力从“可用”到“好用”，不断提升实际业务价值；\n二、岗位要求\n计算机相关专业，本科及以上学历，1-3年开发经验；\n熟悉Python / Go / Java等至少一门语言，具备良好的工程能力与代码规范；\n了解主流大模型（如GPT / Claude / 开源模型）的基本原理与调用方式，有实际项目经验优先；\n理解Prompt Engineering基本方法（如Few-shot、CoT、ReAct等），有多轮对话或Agent应用经验优先；\n有以下方向经验者优先：\n多Agent系统或复杂LLM应用开发经验\nTool Use / Function Calling / Agent执行框架经验\nMemory设计、上下文管理或Prompt Cache优化经验\nEval / Benchmark / Harness等评测体系建设经验\nCode Agent、Copilot或开发工具类项目经验\n对AI系统工程有兴趣，具备较强的学习能力与探索意愿，能够在不确定场景中持续迭代方案；\n三、我们在做什么\n构建企业级AI Agent系统，解决复杂任务自动化问题，而非传统问答/RAG场景\n探索多Agent协同体系（规划、执行、修复、探索）\n深度实践LLM工程化（Memory、Tool Use、Eval、系统优化）\n提供从0到1参与系统设计与落地的机会"
}