字节跳动大模型PMO实习生-Data
任职要求
1、本科及以上学历在读,计算机、软件工程相关专业优先; 2、有项目管理相关实习经验优先,有算法经验优先; 3、有较强的沟通能力,良好的与人交流协作的能力; 4、有较…
工作职责
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:字节跳动Data研发部门,负责公司产品线的推荐、广告、系统架构、大数据和开放平台等技术。 1、协助支持大模型团队PMO流程维护,保障项目站会细节跟进等; 2、协助支持大模型团队按照流程和规范化作业,保障需求落地及对应的过程跟进; 3、协助解决项目管理工具的优化及使用问题优化,通过机制确保团队过程数据准确; 4、流程规范的关键动作和核心时间节点在团队中显性化呈现,如设计制作海报、手册等; 5、用PMO知识库训练AI,支持日常团队对PMO流程规则的问题解答、对PMO的需求的收集; 6、其他在日常过程中的相关工作,如推动团队进行知识库的沉淀、归档等。
-协助大模型项目经理推进大模型战略项目(DuMate等)的日常管理工作,包括项目进度跟踪、跨团队资源协调和风险识别管理 -参与制定项目计划并跟进执行,确保项目按照既定里程碑和质量标准完成交付 -负责与产品、研发、设计等团队成员及利益相关者进行有效沟通,确保信息准确传递和问题及时闭环 -负责项目文档的整理和维护,包括会议纪要、项目周报、需求变更记录等,建立项目知识库 -协助项目经理组织项目相关会议,包括定期项目进度会、技术评审会、需求对齐会等,并跟进会议决议落地
1、大模型与智能体核心能力建设: 围绕销售及大件业务场景,负责大语言模型在意图识别、规划理解、多轮对话、用户画像与偏好洞察、话题与线索分析、知识问答及 chatBI 等核心能力上的应用设计、微调与持续优化,支撑线索智能体、销售助手智能体及大件智能体等关键场景落地。 2、智能体推理链路与多智能体协同设计: 参与线索子智能体、销售助手子智能体、大件智能体与一级、三级销售智能体的大模型协同架构设计,构建基于大模型的多轮推理、任务分解与业务决策链路,提升智能体在复杂销售与大件业务场景下的理解、决策与协同执行能力。 3、智能体工程化与能力复用建设: 设计并持续优化 Prompt、RAG(检索增强生成)、工具调用及 Agent 协作机制,推动大模型、推荐及相关决策能力的工程化落地,保障智能体能力的稳定性、可扩展性与跨场景复用。 4、业务决策模型与数据驱动优化: 结合销售线索质量、智能报价与折扣策略等业务需求,支持折扣方案模型的优化与场景拓展,通过数据挖掘与分析持续评估智能体与模型效果,驱动核心能力的迭代优化与业务价值提升。
1、大模型与智能体核心能力建设: 围绕销售及大件业务场景,负责大语言模型在意图识别、规划理解、多轮对话、用户画像与偏好洞察、话题与线索分析、知识问答及 chatBI 等核心能力上的应用设计、微调与持续优化,支撑线索智能体、销售助手智能体及大件智能体等关键场景落地。 2、智能体推理链路与多智能体协同设计: 参与线索子智能体、销售助手子智能体、大件智能体与一级、三级销售智能体的大模型协同架构设计,构建基于大模型的多轮推理、任务分解与业务决策链路,提升智能体在复杂销售与大件业务场景下的理解、决策与协同执行能力。 3、智能体工程化与能力复用建设: 设计并持续优化 Prompt、RAG(检索增强生成)、工具调用及 Agent 协作机制,推动大模型、推荐及相关决策能力的工程化落地,保障智能体能力的稳定性、可扩展性与跨场景复用。 4、业务决策模型与数据驱动优化: 结合销售线索质量、智能报价与折扣策略等业务需求,支持折扣方案模型的优化与场景拓展,通过数据挖掘与分析持续评估智能体与模型效果,驱动核心能力的迭代优化与业务价值提升。
工作职责: 1、大模型与 Agent 平台架构研发:负责大模型平台、Agent 应用平台的架构设计和核心功能研发,构建云原生架构下高可用、高性能、可扩展的微服务体系,支撑模型能力从训练、部署到业务应用的端到端落地。 2、AI 生产链路与 LLMOps 建设:建设面向大模型全流程的 LLMOps / DevOps 能力,覆盖模型训练、模型管理、推理部署、服务发布、监控告警、任务诊断、效果评估等环节,提升大模型生产效率和稳定性。 3、Agent 应用平台建设:参与建设面向业务研发和算法团队的 Agent 开发平台,支持 Agent Workflow、Tool Calling、Function Calling、MCP、RAG、Memory、多轮对话、调试诊断、应用发布等核心能力,降低大模型应用开发和上线门槛。 4、Pipeline 与任务编排系统建设:负责大模型任务流、Pipeline、Argo Workflows / Kubeflow 等任务编排能力建设,提升训练、部署、评估、Agent 应用构建等复杂任务的自动化、可观测和可恢复能力。 5、平台与框架深度结合:将平台能力与训练、推理、部署、Agent Framework 深度结合,通过任务调度、弹性容灾、失败重试、资源隔离、链路追踪、性能优化等能力,端到端提升 AI 生产效率。 6、平台体验优化及业务协同:持续优化 AI 平台和 Agent 应用平台的易用性、稳定性和开发者体验,与算法、推理、训练、云原生、业务研发等团队协作,将平台能力沉淀为可复用、可规模化的标准化能力。