{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "通义大模型-Agent Infra工程师",
        "job_level": "初级",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "深圳·南山区·科技园",
        "work_mode": "现场办公",AI生成
        "job_category": "AI平台基础设施研发工程师"AI生成
    },
    "company": {
        "company_name": "阿里云",
        "company_industry": "互联网",
        "company_size": "10000人以上",
        "company_website": "alibaba.com",
        "company_description": "阿里云创立于2009年，是全球领先的云计算及人工智能科技公司。基于自研的飞天云计算操作系统，阿里云向全球客户提供基于基础设施即服务（IaaS）、平台即服务（PaaS）和模型即服务（MaaS）三层架构的全方位云服务。目前，阿里云是亚太第一、中国最大的公共云服务提供商。\n凭借在IaaS和PaaS的庞大规模和强大基础，阿里云为企业提供高性能和低成本的计算资源，以及用于大模型训练、微调和推理的工具平台服务，致力于打造一朵“AI时代最开放的云”。 阿里巴巴自研大模型通义千问是全球领先的大模型之一，目前已开源多个尺寸的系列模型，以支持更多企业客户实现AI创新。"
    },
    "compensation": {
        "salary_range": {
            "min": 30000,
            "max": 60000,
            "currency": "元",
            "cycle": "月"
        },
        "benefits": "免费班车 | 绩效奖金 | 五险一金 | 餐补 | 定期体检 | 带薪年假 | 节日福利 | 年终奖"
    },
    "requirements": {
        "working_years": "",
        "degree": "硕士",
        "language": "中文",AI生成
        "visa_support": "未披露",
        "responsibilities": "Golang\n大模型评测\n后训练\n强化学习\nRL\nAI Infra\nKubernetes\n\n毕业时间:2027年 招聘截止日期:2026.09.30\n\n通义大模型-Token Foundry-Agent Infra工程师\n## 基础信息\n毕业起止时间要求:2026-11-01 - 2027-10-31\n## 职位描述\n负责构建支撑AI Agent全生命周期的核心基础设施,涵盖设计构建、训练优化、安全部署、高并发调度及服务化交付等,为Agent的规模化落地提供稳定、高效、安全的底层能力。\n具体职责包括以下相关方向的一项或多项:\n1.Agent基础设施:设计高并发、可扩展的Agent框架,覆盖沙箱执行、容器编排、任务调度及状态管理,支持训练优化与安全部署。\n2.安全与稳定性:构建沙箱隔离与委托身份认证,确保API安全调用,并实现检查点恢复机制保障长任务可靠性。\n3.平台服务能力:开发LLM上下文预计算、知识检索等优化能力,封装SDK/API(如向量检索、观测体系)提升推理效率。\n4.AI能力产品化:模块化输出开发套件(如CLI/SKLLS),降低Agent构建与调优门槛,支持算法迭代优化。\n5.技术前瞻与落地:跟踪Agent生态技术进展,推动新技术规模化应用,持续优化架构性能与易用性。\n目标:通过高效、安全、先进的基础设施,实现AI Agent从开发到生产的全流程支持,加速规模化落地。\n## 职位要求\n1.基础条件:\n- 计算机、软件工程、人工智能等相关专业优先。\n- 有顶会论文/高影响项目/开源贡献者加分。\n2.专业能力:\n- 技术基础:扎实的计算机基础(OS/网络/数据库),精通至少一门编程语言(Go/Python/Java/Rust/TypeScript),熟悉后端技术栈(微服务/消息队列/缓存)及云原生(K8s/Serverless)或安全隔离技术(Docker/gVisor)。\n- AI Agent 专精领域:深入理解大模型原理,熟悉至少一种Agent框架(LangGraph/ADK/LangChain/AutoGen/MetaGPT等)或核心组件(RAG/工具调用/SKILLS),具备Agent全生命周期管理(训练/评测/部署)经验,有强化学习或规划算法背景优先。\n- Agent Ops 运维实践:掌握LLMOps(模型版本/监控/部署)及AgentOps(编排/自愈/状态管理),熟悉可观测性系统(链路追踪/日志分析)。\n- 工程与交付能力:擅长AI Coding快速原型开发,熟悉测试与变更管理(CI/静态分析),有高并发优化或多租户隔离经验。\n3.能力特质:\n- 对AI原生应用有热情,能复现前沿技术;追求简洁可扩展的架构,沟通协作能力强。\n加分项:\n- 有Agent优化实战经验、参与Agent平台开发、熟悉上下文工程或多Agent协同系统。",
        "requirements_text": "1.基础条件:\n- 计算机、软件工程、人工智能等相关专业优先。\n- 有顶会论文/高影响项目/开源贡献者加分。\n2.专业能力:\n- 技术基础:扎实的计算机基础(OS/网络/数据库),精通至少一门编程语言(Go/Python/Java/Rust/TypeScript),熟悉后端技术栈(微服务/消息队列/缓存)及云原生(K8s/Serverless)或安全隔离技术(Docker/gVisor)。\n- AI Agent 专精领域:深入理解大模型原理,熟悉至少一种Agent框架(LangGraph/ADK/LangChain/AutoGen/MetaGPT等)或核心组件(RAG/工具调用/SKILLS),具备Agent全生命周期管理(训练/评测/部署)经验,有强化学习或规划算法背景优先。\n- Agent Ops 运维实践:掌握LLMOps(模型版本/监控/部署)及AgentOps(编排/自愈/状态管理),熟悉可观测性系统(链路追踪/日志分析)。\n- 工程与交付能力:擅长AI Coding快速原型开发,熟悉测试与变更管理(CI/静态分析),有高并发优化或多租户隔离经验。\n3.能力特质:\n- 对AI原生应用有热情,能复现前沿技术;追求简洁可扩展的架构,沟通协作能力强。\n加分项:\n- 有Agent优化实战经验、参与Agent平台开发、熟悉上下文工程或多Agent协同系统。",
        "skills": [AI生成
            "API/SDK与开放平台开发",
            "Agent系统构建",
            "RAG与检索增强",
            "上下文/知识工程",
            "分布式/微服务系统设计",
            "前后端/全栈开发",
            "大模型原理与能力边界",
            "实施交付与验收",
            "工具调用/MCP",
            "政务/公共事业知识",
            "数据库/缓存/向量库",
            "模型/Agent评测体系",
            "模型训练与算法优化",
            "沟通表达与方案汇报",
            "编程与代码实现",
            "跨部门/跨团队协作",
            "部署上线与环境配置"
        ],
        "preferred_qualifications": "- 计算机、软件工程、人工智能等相关专业优先。\n- 有顶会论文/高影响项目/开源贡献者加分。\n- AI Agent 专精领域:深入理解大模型原理,熟悉至少一种Agent框架(LangGraph/ADK/LangChain/AutoGen/MetaGPT等)或核心组件(RAG/工具调用/SKILLS),具备Agent全生命周期管理(训练/评测/部署)经验,有强化学习或规划算法背景优先。\n加分项:",
        "job_highlights": "在校/应届 | 硕士"
    },
    "contact": {
        "recruiter_name": "韩先生",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://www.zhipin.com/job_detail/56443fbbba8e1cd20nJ_2Ni7FVBY.html"
            }
        ]
    },
    "posting": {
        "posting_id": "56443fbbba8e1cd20nJ_2Ni7FVBY",
        "post_date": "",
        "hire_time": "未披露",
        "update_date": "20260915",
        "job_url": "https://www.zhipin.com/job_detail/56443fbbba8e1cd20nJ_2Ni7FVBY.html"
    },
    "fulltext": "Golang\n大模型评测\n后训练\n强化学习\nRL\nAI Infra\nKubernetes\n\n毕业时间：2027年 招聘截止日期：2026.09.30\n\n通义大模型-Token Foundry-Agent Infra工程师\n## 基础信息\n毕业起止时间要求：2026-11-01 - 2027-10-31\n## 职位描述\n负责构建支撑AI Agent全⽣命周期的核⼼基础设施，涵盖设计构建、训练优化、安全部署、⾼并发调度及服务化交付等，为Agent的规模化落地提供稳定、高效、安全的底层能力。\n具体职责包括以下相关⽅向的一项或多项：\n1.Agent基础设施：设计高并发、可扩展的Agent框架，覆盖沙箱执行、容器编排、任务调度及状态管理，支持训练优化与安全部署。\n2.安全与稳定性：构建沙箱隔离与委托身份认证，确保API安全调用，并实现检查点恢复机制保障长任务可靠性。\n3.平台服务能力：开发LLM上下文预计算、知识检索等优化能力，封装SDK/API（如向量检索、观测体系）提升推理效率。\n4.AI能力产品化：模块化输出开发套件（如CLI/SKLLS），降低Agent构建与调优门槛，支持算法迭代优化。\n5.技术前瞻与落地：跟踪Agent生态技术进展，推动新技术规模化应用，持续优化架构性能与易用性。\n目标：通过高效、安全、先进的基础设施，实现AI Agent从开发到生产的全流程支持，加速规模化落地。\n## 职位要求\n1.基础条件：\n- 计算机、软件工程、人工智能等相关专业优先。\n- 有顶会论文/高影响项目/开源贡献者加分。\n2.专业能力:\n- 技术基础：扎实的计算机基础（OS/网络/数据库），精通至少一门编程语言（Go/Python/Java/Rust/TypeScript），熟悉后端技术栈（微服务/消息队列/缓存）及云原生（K8s/Serverless）或安全隔离技术（Docker/gVisor）。\n- AI Agent 专精领域：深入理解大模型原理，熟悉至少一种Agent框架（LangGraph/ADK/LangChain/AutoGen/MetaGPT等）或核心组件（RAG/工具调用/SKILLS），具备Agent全生命周期管理（训练/评测/部署）经验，有强化学习或规划算法背景优先。\n- Agent Ops 运维实践：掌握LLMOps（模型版本/监控/部署）及AgentOps（编排/自愈/状态管理），熟悉可观测性系统（链路追踪/日志分析）。\n- 工程与交付能力：擅长AI Coding快速原型开发，熟悉测试与变更管理（CI/静态分析），有高并发优化或多租户隔离经验。\n3.能力特质：\n- 对AI原生应用有热情，能复现前沿技术；追求简洁可扩展的架构，沟通协作能力强。\n加分项：\n- 有Agent优化实战经验、参与Agent平台开发、熟悉上下文工程或多Agent协同系统。"
}