字节跳动后端/资深后端开发工程师-知识图谱

1、负责电商内容和商品理解全链路的算法工程与架构工作； 2、负责电商知识图谱相关的算法架构、数据生产链路、数据产品服务及中台建设的工程架构工作； 3、负责电商大模型&AIGC数据处理、训练、推理、部署、平台等全链路架构与优化，业务AI智能体工程与架构工作； 4、针对复杂的业务场景，根据产品、策略和算法需求，提供高性能，高可用和灵活的架构设计，解决研发全流程、生产全链路的工程问题，确保服务的稳定，并不断提升业务AI智能化与研发效率； 5、根据业务实际情况，抽象和沉淀通用业务架构，提高基础能力复用程度，更好支持业务高速迭代。

1、数据资产管理平台开发与治理 构建企业级数据资产管理平台，构建数据清晰的血缘，支持高效溯源。 建立元数据管理、数据血缘追踪、质量监控与安全合规体系。 2、知识图谱构建与优化 从结构化/非结构化数据中提取实体与关系，构建行业知识图谱（如客户关系图谱）。 通过规则引擎、NLP模型持续优化图谱质量。 3、AI助理系统开发 集成大语言模型（LLM）与垂直知识库，开发智能问答、自然语言查询及自动化报表功能。 设计API/Web接口，支持业务用户通过自然语言调用数据服务（如“查询某产品的销售趋势”）。 搭建模型训练与部署框架，实现AI能力快速迭代。 4、数据安全合规与质量管理 建立数据质量指标（完整性、一致性、准确性），开发自动化检测与修复工具。 实现异常数据实时告警（如延迟、权限越权），并通过邮件/SMS/企业微信通知责任人。 5、平台性能与稳定性保障 优化Spark/Flink任务性能，提升高并发场景下的平台稳定性。 监控系统运行状态，设计容灾机制与自动化运维工具，降低故障率。

1 系统设计与架构：主导业务系统的架构设计，针对业务需求制定技术架构方案，保证系统的扩展性、高性能与高可用性。同时，负责对现有系统进行性能优化和架构升级。2 功能开发与代码实现：产品需求开发，包括详细设计、编码、单元测试、集成测试等，确保系统功能的实现和交付。3 性能优化与安全保障：对后端系统进行性能监控和分析，以及SRE相关工作。负责系统的安全防护工作，保障系统数据安全和业务安全。​4 技术选型与前沿探索：推进新技术的调研和落地，技术难题攻坚与优化。

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