腾讯腾讯云CodeBuddy-智能体策略产品经理-编码智能体
任职要求
1.具备技术理解深度，熟悉 Agentic Workflow设计及多智能体协作架构，掌握Prompt工程、RAG优化、联邦学习等关键技术，熟悉主流LLM，如Claude/Gemini/混元特性及局限； 2.拥有垂直领域经验，1年以上AI开发者工具产品经验，主导过智能体调优项目； 3.具备数据驱动能力，熟练通过A/B测试验证优化效果，运用漏斗分析定位失效根因； 4.具…
工作职责
1.负责构建Coding Agent评估体系，建立多行业测试用例库，通过CI/CD报告及埋点数据持续监控效果； 2.主导Prompt工程优化工作，开发垂直领域动态Prompt模板，迭代提示词策略，降低幻觉率并提升需求解析精度； 3.进行工具链集成与效能提升，设计工具智能调度规则，提升工具执行成功率和效果； 4.设计分层记忆管理机制，构建短期记忆与长期记忆，提升智能体应答效果，降低调用成本； 5.优化多智能体协同流程，提升 Plan/Design/Coding Agent 的协作效率。
团队介绍：广告业务原为商业产品与技术部门，为抖音集团的商业变现提供广告产品与技术，负责端到端大型广告系统建设，覆盖抖音、今日头条、西瓜视频、番茄小说、穿山甲等产品矩阵，践行"激发生意新可能"理念，致力于让营销更省心、更高效、更美好，推动商业的可持续增长，让不分体量、地域的企业及个体，都能通过数字化技术激发创造、驱动生意。连接广告主、用户及生态伙伴、成为开放共赢的全球最佳智能营销平台之一。在这里，你将投身建设面向未来的数字营销能力，接触到全球先进的商业产品架构、模型和算法，在互联网广告行业始终创新。 课题背景： 随着人工智能技术的快速发展，大模型技术在交易与广告场景中的应用日益广泛，已成为推动行业创新和效率提升的重要驱动力。大模型凭借其强大的学习能力和泛化性能，在多个领域展现出显著优势。例如，推荐大模型能够精准捕捉用户偏好，提升个性化推荐效果；AIGC（AI-Generated Content）技术可用于广告创意、商品图片和视频生成，大幅降低创作成本并提升内容质量；广告投放诊断系统和诊断助手帮助优化投放策略；智能客服、影片智能剪辑、智能导购、大模型审核、用户序列建模以及多模态广告和用户理解等应用，则通过自然语言处理、多模态数据融合等技术，提升用户体验和业务效率。 然而，交易与广告场景对大模型系统的要求极高，不仅需要模型具备出色的精度和泛化能力，还需在实时性、稳定性、可扩展性等方面满足严苛标准。特别是在大规模分布式训练、推理加速、异构硬件支持、多模态数据处理以及系统集成等方面，存在诸多技术难点。因此，针对交易与广告场景研发和优化大模型系统，不仅是人工智能技术发展的前沿方向，也是行业应用的迫切需求。本课题旨在通过系统和工程领域的深入研究，突破关键技术瓶颈，构建高效、稳定、可扩展的大模型解决方案，为交易与广告场景提供强有力的技术支撑。 课题挑战： 1、大规模分布式训练加速：大模型训练需处理海量数据和高复杂度计算，导致训练耗时长、资源需求大。如何优化分布式训练架构，提升数据并行、模型并行和流水线并行的效率，是首要技术难题。 2、推理加速和性能优化：交易与广告场景对实时性要求极高，如广告投放需毫秒级决策。如何在资源受限环境下通过模型压缩和推理引擎优化实现快速推理，是关键挑战。 3、异构硬件支持：大模型需适配多种硬件平台。如何实现高效部署和负载均衡，确保跨硬件精度一致性和高性能，是技术难点。 4、编译优化：编译优化是过程复杂，如何开发高效编译器，优化长尾/灵活模型或结构在不同Accelerator执行效率并减少延迟，是亟待解决的问题。 5、Agent工程：智能客服和导购等应用需构建自主决策的AI Agent。如何设计高效的Agent系统，支持复杂任务执行，是前沿挑战。 6、强化学习框架：强化学习在广告投放优化等场景中潜力巨大。如何构建高效框架，支持大规模环境训练和推理，是研究难点。 课题内容： 1、大规模分布式训练加速技术 1）研究数据并行、模型并行和混合并行算法，优化训练效率； 2）开发自适应负载均衡机制，减少资源浪费； 3）探索梯度压缩和通信优化技术，降低网络开销； 2、推理加速与性能优化方法 1）研究模型压缩技术（如量化、剪枝），减小模型体积； 2）开发高效推理引擎，支持批量推理和异步处理； 3）针对不同Accelerator的架构加速推理过程； 3、异构硬件支持与优化 1）设计通用部署框架，支持多硬件无缝集成； 2）开发硬件感知调度算法，优化任务分配； 3）研究跨硬件模型迁移技术，确保精度一致； 4、编译优化技术 1）深入优化模型编译器，优化长尾场景的计算开销； 2）研究图优化和算子融合技术，减少计算开销； 3）探索动态优化方法，提升运行时效率； 5、Agent工程与实现 1）设计模块化Agent架构，支持任务分解和决策； 2）开发多模态交互技术，提升用户体验； 3）研究Agent训练与评估方法，优化复杂场景性能； 6、强化学习框架构建 1）开发高效强化学习算法，支持多智能体协作； 2）针对交易与广告场景的训练场景优化训练速度，提升迭代效率； 3）探索强化学习在广告投放中的应用，提升决策效果。
-作为 AI 策略产品，负责健康相关领域的多模态智能体端到端效果 -定义最优用户体验，协同算法、研发等上下游一同达成体验与规模目标 -对用户体验敏感，能同理用户需求，并将需求转化为产品方案推动优化 -通过数据反馈不断优化先验标准以及迭代方向
-负责特定品类智能体端到端效果。定义最优用户体验，协同功能产品、策略、运营、模型基座一同达成体验与规模目标 -对用户体验敏感，能同理用户使用需求，将理想态转化成评估标准与评估集，发现问题，推动优化 -通过prompt工程、RAG、多模型编排或者协同策略进行SFT等手段，批量优化智能体效果 -通过数据反馈不断优化先验标准以及迭代方向
-深度理解业务场景及商家经营痛点，结合AI大模型技术，探索并定义商家智能体，即建设智能客服领域的AI生成式互动对话服务策略 -具备服务用户和赋能商家双视角，负责对话服务接待场景的需求分析、数据标注、产品设计以及上线后的数据分析，支持产出优化思路和方案 -协同运营和研发，跟进解决客户日常问题，助力维护客情&稳定消费覆盖 -定期跟进市场调研，了解市场AI大模型应用/智能体/智能客服等相关产品的发展动态，支持发现业务机会点