{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "Code Agent 数据工程师（前后端、移动端）",
        "job_level": "初级",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "北京··",
        "work_mode": "现场办公",AI生成
        "job_category": "AI数据工程师"AI生成
    },
    "company": {
        "company_name": "某中型人工智能公司",
        "company_industry": "人工智能",
        "company_size": "100-499人",
        "company_website": "未披露",
        "company_description": "未披露"
    },
    "compensation": {
        "salary_range": {
            "min": 40000,
            "max": 70000,
            "currency": "元",
            "cycle": "月"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "本科",
        "language": "中文",AI生成
        "visa_support": "未披露",
        "responsibilities": "Golang\nJava\nC/C++\n后端开发经验\n移动端\n.NET\n全栈无侧重\n前端开发经验\nPython\n你将与顶尖大模型研究员直接协作,拓展模型在代码生成领域的能力边界。\n1. 定义质量标准 评审模型在前端、后端、移动端等各类工程任务上的多个候选实现,从实现正确性、架构设计、性能表现、对语言和平台特性的利用等方面判定优劣,给出可复核的依据,沉淀出\"什么是优秀的工程实现\"的标准。\n2. 建设评测体系 在多个技术方向上设计有区分度的评测任务,制定清晰的验收标准与评分细则,定位模型短板,为模型迭代提供可解释的依据。涵盖但不限于:\n前端:组件实现、状态管理、样式还原、跨浏览器兼容、性能优化\n后端:API 设计、数据建模、并发处理、系统架构、安全与可观测性\n移动端:UI 实现、生命周期管理、性能与内存优化、多设备适配\n3. 建设高质量数据 把经验和品味落地,全程参与训练数据的生产合成、改进优化、效果验证。将工程最佳实践转化为模型可学习的结构化数据,持续追踪模型在真实工程场景中的表现并反哺数据迭代。",
        "requirements_text": "1. AI 编程经验 具备 Claude Code、Codex 等一线 AI 编程工具的重度使用经验。对大模型有一定基础认知,理解其能力边界与常见失败模式。\n2. 自驱力 能独立发现、明确定义并推动解决问题。不依赖外部需求驱动,能从模型输出中主动识别系统性缺陷并提出改进方案。\n加分项:\n多技术域深度经验(如前端+后端、移动端+后端),能跨域评审模型输出\n有技术博客、开源项目、技术演讲等可验证的技术影响力输出\n参与过代码质量评估、技术面试、Code Review 体系建设的经验\n对 LLM 代码生成有深度使用或评测经验,能 articulate 好代码与坏代码的差异\n认证资质\n人力资源服务许可证",
        "skills": [AI生成
            "API/SDK与开放平台开发",
            "Agent系统构建",
            "前后端/全栈开发",
            "复杂问题分析与解决",
            "大模型原理与能力边界",
            "实施交付与验收",
            "快速学习与自驱",
            "技术可行性与系统架构",
            "数据工程与数据管道",
            "模型/Agent评测体系",
            "结构化思考与系统抽象",
            "编程与代码实现",
            "训练数据/标注/合成"
        ],
        "preferred_qualifications": "加分项:",
        "job_highlights": "经验不限 | 本科"
    },
    "contact": {
        "recruiter_name": "黄先生",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://www.zhipin.com/job_detail/50978bba41f46b480nJ-3NS9EVVX.html"
            }
        ]
    },
    "posting": {
        "posting_id": "50978bba41f46b480nJ-3NS9EVVX",
        "post_date": "",
        "hire_time": "未披露",
        "update_date": "20260915",
        "job_url": "https://www.zhipin.com/job_detail/50978bba41f46b480nJ-3NS9EVVX.html"
    },
    "fulltext": "Golang\nJava\nC/C++\n后端开发经验\n移动端\n.NET\n全栈无侧重\n前端开发经验\nPython\n你将与顶尖大模型研究员直接协作，拓展模型在代码生成领域的能力边界。\n1. 定义质量标准 评审模型在前端、后端、移动端等各类工程任务上的多个候选实现，从实现正确性、架构设计、性能表现、对语⾔和平台特性的利⽤等⽅面判定优劣，给出可复核的依据，沉淀出\"什么是优秀的工程实现\"的标准。\n2. 建设评测体系 在多个技术⽅向上设计有区分度的评测任务，制定清晰的验收标准与评分细则，定位模型短板，为模型迭代提供可解释的依据。涵盖但不限于：\n前端：组件实现、状态管理、样式还原、跨浏览器兼容、性能优化\n后端：API 设计、数据建模、并发处理、系统架构、安全与可观测性\n移动端：UI 实现、生命周期管理、性能与内存优化、多设备适配\n3. 建设高质量数据 把经验和品味落地，全程参与训练数据的生产合成、改进优化、效果验证。将工程最佳实践转化为模型可学习的结构化数据，持续追踪模型在真实工程场景中的表现并反哺数据迭代。\n任职要求\n1. AI 编程经验 具备 Claude Code、Codex 等一线 AI 编程工具的重度使用经验。对大模型有一定基础认知，理解其能力边界与常见失败模式。\n2. 自驱力 能独立发现、明确定义并推动解决问题。不依赖外部需求驱动，能从模型输出中主动识别系统性缺陷并提出改进方案。\n加分项：\n多技术域深度经验（如前端+后端、移动端+后端），能跨域评审模型输出\n有技术博客、开源项目、技术演讲等可验证的技术影响力输出\n参与过代码质量评估、技术面试、Code Review 体系建设的经验\n对 LLM 代码生成有深度使用或评测经验，能 articulate 好代码与坏代码的差异\n认证资质\n人力资源服务许可证"
}