LAZADA-Technology-K Project-Affilate & OM

具体职责（以下方向一项或多项）

1. 01

   业务理解与在线营销系统熟练度 深入电商在线营销业务场景，熟悉流量广告投放全链路生命周期（人群定向→商品召回→素材生成→投放执行→数据回流→效果归因），理解广告主侧与媒体侧的业务流程与核心指标体系； 利用数据挖掘与特征分析完成现象归因，精准识别高价值问题，将模糊的业务痛点转化为明确的AI解决目标。

2. 02

   AI Agent架构设计 面向在线营销业务需求，设计AI原生系统架构；参与Agent系统核心模块规划，包括记忆管理、推理策略与工具编排，兼顾架构的灵活性、可扩展性与工程可落地性； 设计投放Agent的任务拆解、多步推理与反思纠错闭环，实现从投放策略制定到执行反馈的端到端自动化。

3. 03

   知识与环境构建 搭建AI与现有营销业务系统的交互环境，涵盖广告平台API接入、RAG知识库构建、记忆方案设计；持续优化召回质量与上下文注入策略，为模型提供准确、及时的执行环境与知识支撑； 构建Prompting&RAG工程体系，针对流量投放领域微调构建垂直场景Agent，在合适的时机精准将素材广告投放到目标人群并引导成交转化。

4. 04

   核心能力实现 负责Agent关键模块的工程落地，实现意图识别、任务拆解与反思纠错闭环；封装标准化SDK/API服务，构建Agent观测体系，实现全链路追踪与多维归因分析； 完成AI Agent体系的AI基建能力构建与开发，包括工具编排、多Agent协同、记忆持久化等核心能力。

5. 05

   投放能力开发与优化 完成电商流量广告投放体系的学习和基础投放链路能力开发，将成千上万的广告投放到全球顶级广告媒体平台； 完成广告投放端到端场景分析，提高投放效率和降低广告投放成本。

6. 06

   系统迭代与演进 建立自动化评测与回测机制，通过调优与Case分析不断收敛效果与性能提升的最优路径；沉淀方法论与可复用组件，推动AI能力从单点验证走向规模化落地。

7. 07

   性能优化 优化高并发场景下的系统性能，通过异步处理与降级策略保障稳定性，通过低侵入性观测手段保障系统的长期稳定运行。

3年及以上使用Java开发的经验，Java基础扎实，理解IO、多线程、集合等基础框架，了解JVM原理； 熟悉Web开发，熟悉Servlet、MVC框架，具有扎实的数据结构与算法知识； 对用过的开源框架能了解到其原理和机制，对Spring、MyBatis等开源框架熟悉； 熟悉分布式系统的设计和应用，熟悉分布式、缓存、消息等机制，能对分布式常用技术进行合理应用解决问题； 熟悉Linux操作系统和大型数据库（RDBMS、NoSQL、NewSQL），对SQL优化有丰富经验； 具备AI Agent相关工程经验，包括LLM应用开发、Prompt工程、RAG知识库构建、工具编排等； 工作积极主动，有很好的沟通能力、学习能力，适应能力好；能接受全栈任务，具备耐心和细心的品质。 加分项 韩语能力：具备韩语流利读写/沟通能力者优先（能够阅读韩文业务文档、与韩国本地团队协作沟通），有韩国市场相关经验者额外加分。