字节跳动AI产品实习生-Dev Platform
任职要求
1、2026届本科及以上学历在读，计算机科学、数学专业、信息技术、人工智能或相关专业背景优先；
2、良好的自我驱动力，对平台产品有热情、有好奇心；
3…工作职责
ByteIntern：面向2026届毕业生（2025年9月-2026年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：Stone-Dev Platform团队负责AI应用开发工具平台的产品研发及相关能力建设。具体包括为字节跳动内外的LLM应用开发者提供开发框架、DevOps、可观测、LLMOps等效率工具，以满足其生产活动需求；支持开发者进行数据处理、Prompt工程、模型训练评测及推理部署等端到端的模型迭代流程，不断提升AI应用的效果。团队整体致力于构建LLM应用开发者生态，并推动产品的商业化建设。 1、参与LLM应用平台的DevOps方向产品的调研及用户需求分析； 2、通过用户调研、行业调研、数据分析等方式了解和挖掘客户需求； 3、跟踪产品的上线效果、用户反馈，为产品功能的优化打磨提供合理建议； 4、通过培训、教学文档，运营活动等方式为用户提供支持，确保用户能高效使用Devops相关应用产品。
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍：Stone-Dev Platform团队负责 AI 应用开发工具平台的产品研发及相关能力建设。具体包括为字节跳动内外的 LLM 应用开发者提供开发框架、DevOps、可观测、LLMOps 等效率工具，以满足其生产活动需求；支持开发者进行数据处理、Prompt 工程、模型训练评测及推理部署等端到端的模型迭代流程，不断提升 AI 应用的效果。团队整体致力于构建 LLM 应用开发者生态，并推动产品的商业化建设。 1、参与扣子等AI应用开发平台的核心模块的效果优化建设，包括Prompt的自动生成、智能优化，AI应用的效果评测、数据合成，模型训练的数据工程、SFT、RLHF等功能； 2、参与智能客服问答的算法微调训练，参与RAG等模块的效果优化，运用NLP、多模态等技术进行高质量内容召回，提升企业对话场景的产品效果能力； 3、持续跟进LLM前沿技术，参与AI相关新产品功能的设计，为团队提供前沿的知识和见解，支持模型在NL2Code、NL2Workflow、NL2APP等场景的落地和迭代。
ByteIntern：面向2026届毕业生（2025年9月-2026年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：Stone-Dev Platform团队负责 AI 应用开发工具平台的产品研发及相关能力建设。具体包括为字节跳动内外的 LLM 应用开发者提供开发框架、DevOps、可观测、LLMOps 等效率工具，以满足其生产活动需求；支持开发者进行数据处理、Prompt 工程、模型训练评测及推理部署等端到端的模型迭代流程，不断提升 AI 应用的效果。团队整体致力于构建 LLM 应用开发者生态，并推动产品的商业化建设。 1、负责AI应用开发平台的前端开发工作，确保交付质量和用户体验； 2、负责LLM驱动的AI Agent框架的研究和实现，确保技术的创新与前瞻性； 3、持续追踪AI Agent领域的最新技术趋势和研究成果，将前沿技术整合进我们的项目与解决方案中。
日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 团队介绍：Stone-Dev Platform团队负责 AI 应用开发工具平台的产品研发及相关能力建设。具体包括为字节跳动内外的 LLM 应用开发者提供开发框架、DevOps、可观测、LLMOps 等效率工具，以满足其生产活动需求；支持开发者进行数据处理、Prompt 工程、模型训练评测及推理部署等端到端的模型迭代流程，不断提升 AI 应用的效果。团队整体致力于构建 LLM 应用开发者生态，并推动产品的商业化建设。 1、参与扣子等AI应用开发平台的核心模块的效果优化建设，包括Prompt的自动生成、智能优化，AI应用的效果评测、数据合成，模型训练的数据工程、SFT、RLHF等功能； 2、参与智能客服问答的算法微调训练，参与RAG等模块的效果优化，运用NLP、多模态等技术进行高质量内容召回，提升企业对话场景的产品效果能力； 3、持续跟进LLM前沿技术，参与AI相关新产品功能的设计，为团队提供前沿的知识和见解，支持模型在NL2Code、NL2Workflow、NL2APP等场景的落地和迭代。
ByteIntern：面向2026届毕业生（2025年9月-2026年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：Stone-Dev Platform团队负责 AI 应用开发工具平台的产品研发及相关能力建设。具体包括为字节跳动内外的 LLM 应用开发者提供开发框架、DevOps、可观测、LLMOps 等效率工具，以满足其生产活动需求；支持开发者进行数据处理、Prompt 工程、模型训练评测及推理部署等端到端的模型迭代流程，不断提升 AI 应用的效果。团队整体致力于构建 LLM 应用开发者生态，并推动产品的商业化建设。 1、负责AI应用开发平台的前端开发工作，确保交付质量和用户体验； 2、负责LLM驱动的AI Agent框架的研究和实现，确保技术的创新与前瞻性； 3、持续追踪AI Agent领域的最新技术趋势和研究成果，将前沿技术整合进我们的项目与解决方案中。