字节跳动视觉工程后端资深研发工程师-智能创作（北京/上海/广州/深圳/杭州）
任职要求
1、计算机相关专业，本科及以上学历，有复杂后端工程架构经验者优先； 2、具备扎实的编程功底，良好的设计风格，熟悉RPC和RESTful设计规范； 3、丰富的Linux/Unix系统开发经验，熟练掌握P…
工作职责
1、负责服务端计算机视觉算法工程的研发和落地，承担系统工程方案的设计，保障服务健壮性； 2、设计和研发AIGC、AI编辑、AI数据等视觉工程能力建设，提供中台化的低时延、高性能的视觉服务； 3、为字节跳动多个产品（抖音、剪映、Flow等）提供视觉服务，用AI赋能亿万用户。
钉钉正在全面拥抱多模态AI，正在致力于将视觉大模型、边缘智能与实时视频分析深度融合，赋能智能零售、智慧工厂、智能交通等多个行业。我们拥有强大的工程化能力和创新研发氛围，期待志同道合的技术精英加入，共同推动视觉AI落地千行百业。 我们正在寻找在视觉AI领域具备真正工程化落地经验的技术人才，你将参与公司核心视觉AI系统的研发与优化，负责从算法设计、模型训练到高性能部署、大规模流式处理的全链路技术实现。具体职责包括： 1. 视觉大模型与算法开发 ○ 负责视觉大模型的后训练（Post-training）优化，包括微调、蒸馏、量化、剪枝等，提升模型在实际场景中的泛化能力与效率。 ○ 开发端侧视觉大模型，针对边缘设备进行轻量化设计与部署。 ○ 设计并实现传统CV算法（如目标检测、跟踪、姿态估计、图像增强等）与深度学习模型的融合方案。 ○ 构建视觉嵌入生成与特征提取模型，支持跨模态检索、相似性匹配等应用。 ○ 能根据实时性、性能、成本等多维约束，设计合理的算法组合与技术路线，实现最优落地效果。 ○ 在行业专家的指导下完成高质量的数据清洗和标注，建立多行业多场景的视觉AI评估框架 2. 高性能推理部署与优化 ○ 基于不同算法特性，选择并实施高并发、大吞吐的推理部署方案，熟练使用以下技术栈： ■ 推理框架：Triton Inference Server、ONNX Runtime、TensorRT ■ 部署平台：KServe + Triton / KServe + vLLM ○ 实现模型的动态批处理、自适应推理、低延迟响应，优化端到端服务性能。 ○ 负责模型格式转换、算子优化、硬件适配（GPU/TPU/NPU）及性能调优。 3. 分布式视频流处理系统构建是加分项 ○ 构建高可用、可扩展的分布式视频流处理 pipeline，支持多路视频流的实时接入与处理。 ○ 基于 Kafka + Flink 实现视频帧的流式消费、分发与状态管理。 ○ 完成视频数据的实时AI推理、结果聚合、元数据落盘，并与下游系统无缝集成。 ○ 保障系统在高负载下的稳定性、容错性与可监控性。 4. 跨团队协作与技术沉淀 ○ 与产品、业务、后端及硬件团队紧密协作，推动AI能力在真实业务场景中的落地。 ○ 输出技术文档、最佳实践，参与构建公司级AI工程化平台与工具链。
1. 算法工程化支持：负责支持跨境治理和商品治理方向的算法工程化落地，包括算法服务化、模型部署、性能优化、A/B测试与监控体系搭建。 2. 系统开发与维护：基于Java与Python开发高性能、可扩展的算法平台和治理系统，保障算法稳定运行和高可用性。 3. 算法研发协同：与算法研究人员、产品经理紧密协作，推动图像理解、NLP、多模态及大模型等算法从研发到线上应用的全流程闭环。 4. 数据与质量评估：建设和维护治理效果数据采集、评估和监控体系，持续迭代优化模型与策略，驱动业务降本增效。 5. 技术方案创新：关注业界最新算法工程化与MLOps实践，推动内部平台能力升级，提升算法迭代效率。
AI后端开发工程师的核心任务是为AI能力构建稳定、高效且可扩展的后台服务，确保智能应用顺畅运行。其主要工作包括： 1.系统架构设计与优化：参与设计高并发、低延迟、高可用的后端系统架构以支撑AI服务。运用微服务、容器化（Docker/K8S）、消息队列（Kafka/RabbitMQ）、缓存（Redis） 等技术，并优化数据库（如MySQL、MongoDB、向量数据库）性能 2.数据处理与管道构建：构建和维护数据管道，支持海量数据的采集、清洗、存储与处理，为模型训练和优化提供支持，有时需设计数据闭环系统 3.全流程开发与协作：参与从需求分析、设计、编码、测试到部署运维的全流程。需与算法工程师、前端工程师、产品经理等紧密协作，确保项目顺利交付 4.技术攻坚与创新：解决模型部署和运行中的技术难题（如资源瓶颈、轻量化），探索和引入前沿技术（如大模型服务化、多模态、边缘计算）以提升产品竞争力
1.产品规划与策略 基于GPT/DeepSeek等大模型能力，负责智能对话机器人的产品规划， 设计智能服务、智能销售等核心功能，提出产品创新和差异化的方案 2.产品设计与管理 负责AI产品的需求分析、功能设计和用户体验优化，并撰写PRD文档。 协调技术、数据和运营团队，确保产品高效落地和持续优化。 3.数据分析与优化 与算法团队协同优化AI模型效果，提升技术指标，持续优化对话效果 通过用户行为和数据分析，结合A/B测试，提升产品体验和转化率 4.竞品调研与分析 关注市场热门AI产品，分析竞品动态，为产品创新提供思路 定期对竞品搜索和AI相关产品能力进行分析，输出相关的体验报告和市场分析报告 5.市场洞察与趋势研究 研究AI行业发展，探索大模型、AIGC、计算机视觉、NLP等技术应用。 研究AI在互联网金融领域的发展趋势，探索大模型、AIGC催收、电销、风控、客服等场景