字节跳动客服机器人提示词工程师-国际电商
任职要求
1、本科及以上学历； 2、1年以上自动化领域工作经验； 3、具备提示词工程师经验，了解大语言模型相关知识； 4、在项目设计、数据分析、沟通、推动成果达成和管理变革方面具备专业能力； 5、具备较强的问题解决和处理能力，能够在有时间限制的环境中工作，注重细节且具备多任务处理能力； 6、有电子商务交易平台相关工作经验者优先。
工作职责
1、将应用场景从传统的知识配置拓展至大语言模型； 2、根据客户支持业务战略和政策，定制符合要求的自动化标准操作程序； 3、在聊天机器人中启动、发布并验证自动化解决方案； 4、运维流程管理，监控问题解决效果，并寻找持续优化的机会； 5、与算法和产品团队合作，提升聊天机器人的问题解决能力，包括建模和功能特性方面，使聊天机器人更能有效地解决问题。
该岗位的主要职责包括构建和优化基于AI的大模型链路，通过系统化整理业务知识，提升模型能力的质量及覆盖率，从而增强大模型的理解和应用能力。此外，需与技术团队合作，确保应用的可用性和持续更新，并搭建模型测评标准，确保机器人在会话召回准确率等关键指标上达到预定目标。通过科学评估和监控机制，持续优化模型性能，实现召回准确率提升，同时关注采纳率和知识库查看率等指标，全面提升知识库和大模型的实际应用效果。 具体工作内容主要包括： 1. 探索和提炼业务大模型知识库的结构化构建方式，不断迭代更新版本，确保大模型和人工均能有效使用，实现知识库的全面覆盖。 2. 搭建模型测评标准，确保机器人在会话召回准确率等关键指标上达到目标水平。 3. 建立模型适用文档，对不同的基座模型进行全方位测评，评估每个模型在不同场景、环节、应用方式等方面的优势和劣势。 4. 负责客服场景对话能力的搭建，提升场景闭环率，并将需要搭建的能力提交给工具运营以推进。 5.通过设计、优化和测试AI模型的提示词（Prompt）、知识库，提升智能体输出的准确性、逻辑性和用户体验。 6. 使用低代码平台（如扣子类产品）进行基于语言模型的智能体应用开发。
该岗位的主要职责包括构建和优化基于AI的金融客服知识库，通过系统化整理金融知识，提升知识库的质量和覆盖率，从而增强大模型的理解和应用能力。此外，需与技术团队合作，确保知识库的可用性和持续更新，并搭建模型测评标准，确保机器人在会话召回准确率等关键指标上达到预定目标。通过科学评估和监控机制，持续优化模型性能，实现召回准确率提升，同时关注采纳率和知识库查看率等指标，全面提升知识库和大模型的实际应用效果。 具体工作内容主要包括： 1. 探索和提炼金融大模型知识库的结构化构建方式，不断迭代更新版本，确保大模型和人工均能有效使用，实现知识库的全面覆盖。 2. 搭建模型测评标准，确保机器人在会话召回准确率等关键指标上达到目标水平。 3. 建立模型适用文档，对不同的基座模型进行全方位测评，评估每个模型在不同场景、环节、应用方式等方面的优势和劣势。 4. 负责客服场景对话能力的搭建，提升场景闭环率，并将需要搭建的能力提交给工具运营以推进。 5.通过设计、优化和测试AI模型的提示词（Prompt）、知识库，提升智能体输出的准确性、逻辑性和用户体验。 6. 使用低代码平台（如扣子类产品）进行基于语言模型的智能体应用开发。
1、负责智能客服机器人的产品运营，进行用户分析、业务分析，通过策略设计、流程搭建和调优，持续改善机器人的服务能力； 2、具备大模型相关落地经验，对LLM行业前沿有了解，能够通过提示词工程等方式完成具体业务场景的落地； 3、梳理和跟进智能客服机器人的功能需求，具备独立撰写MRD文档的能力，配合各部门进行产品测试和迭代升级； 4、关注电商行业动态，负责流程优化、需求调研、数据分析，跟进业务反馈并及时发现问题，实施改进创新；
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：Data-电商-智能对话团队，负责抖音电商场景下的智能对话与问答技术的创新和研究工作，致力于打造客服领域内领先的智能对话机器人，帮助平台和商家高效、准确地解决用户问题提升用户体验，降低平台/商家运维成本，不断提升业务效果。 1、数据挖掘：负责数据集的构建与维护，利用数据飞轮机制不断优化数据质量和丰富度，进行深度的数据挖掘，沉淀高价值信息，开发和优化Query理解、召回、相关性排序等技术，提升信息检索的效率和准确性，提升RAG的效果； 2、大模型训练：针对业务需求进行大模型的继续训练（CT）、有监督微调（SFT）、偏好学习，以及多模态模型训练，提升模型在特定场景下的表现； 3、提示词工程：与业务专家合作，构建和优化结构化的提示词，充分挖掘和利用大模型的能力，高效、精准解决实际问题； 4、智能体技术：利用领先的智能体框架，增强大模型的推理、对话和反思能力，解决复杂业务问题，提升用户体验； 5、大模型评测：制定和实施大模型的评估方案，结合人工评估和自动化评估手段，确保模型性能的可靠性和稳定性； 6、应用落地：定义业务问题，设定任务标准和目标，不断优化模型和系统，以达到最佳的业务效果和用户满意度。