字节跳动研发平台AI产品实习生-开发者服务
任职要求
1、2027届本科及以上学历在读，计算机、人工智能、自动化、数学相关专业优先；
2、具备一定的技术理解能力，对大语言模型技术有浓厚兴趣；
3、对AI产品有热情和好奇心，相信AI产品将改变工作和生…工作职责
ByteIntern：面向2027届毕业生（2026年9月-2027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：字节跳动开发者服务团队负责公司研发工具与基础设施体系建设，为内部开发者提供覆盖全技术栈的框架、工具和研发体系能力，支撑业务高效稳定迭代。 在此基础上，团队正打造面向全场景的AI Agent平台，将大模型与公司内部工程知识深度结合，覆盖需求分析、编码开发、测试发布、运维治理等软件全生命周期，帮助ByteDancer显著提升生产力，重塑开发者服务的形态与体验。 期待对研发工具体系、AI工程生产力有热情、希望在大规模真实场景中打磨技术的同学加入，与我们一起建设新一代开发者基础设施，共同成长！ 1、负责研究大语言模型在研发场景的应用，制定应用层的产品策略和规划； 2、了解大语言模型技术，对接技术团队，确保产品开发的技术可行性； 3、负责整合产品资源，协调研发、设计、运营等部门，确保产品顺利推向市场； 4、根据用户需求持续优化产品，提升用户体验，提高产品竞争力； 5、能及时主动掌握行业最新动态，为产品创新提供思路。
Qteam 是阿里云旗下的 AI 编码产品团队，正在打造涵盖 AI IDE、AI 编码插件、AI Coding CLI 在内的下一代智能开发工具矩阵。我们相信 AI 将从根本上重塑开发者的编程方式——从代码补全到自主编程 Agent，从单点辅助到全流程智能化。在快速演进的产品矩阵背后，多平台交付复杂度、AI 功能非确定性质量验证、AI 安全攻击面防护、推理成本管理等工程化挑战亟待突破。我们的目标是构建一套 AI 原生的智能研发交付体系——让 AI 来保障 AI 产品的交付质量、安全与效率。你将能够参与： 1.智能构建编排： 基于 LLM 构建智能 DevOps Agent，实现自然语言驱动的多平台流水线生成、构建失败自动根因分析与修复建议，将配置驱动的 CI/CD 升级为意图驱动的智能编排； 2.AI 功能持续验证： 构建 ML 驱动的持续验证引擎，自动学习 AI 功能行为基线，实时检测异常偏移，支持智能灰度分析与自动回滚； 3.安全编排与韧性工程： 将 AI 安全扫描左移至流水线，构建混沌工程韧性测试框架与 SLI/SLO 驱动的服务可靠性管理； 4.成本管理与效能洞察： 构建 AI 推理成本细粒度归因与工程效能智能分析平台，自动识别瓶颈并生成优化建议。
负责AI平台的模型接入、推理优化及平台功能开发工作。负责AI基础设施的架构设计与迭代，将前沿AI技术转化为可落地的平台能力，支撑各业务的智能化需求。 1.AI模型接入与推理加速： ● 负责主流开源模型的接入适配工作，包括模型格式转换、服务化封装及API接口开发；运用各种技术手段优化推理耗时与资源使用率，提升AI平台的性能与成本优势。 2.AI平台架构设计与开发： ● 优化与迭代AI平台架构，提升AI平台的可扩展性、分布式系统吞吐量、系统安全与稳定性等，持续优化成本。 3.AI能力产品化： ● 开发并维护平台AI工具链，如LoRA微调训练 pipeline、模型评估工具等；参与Agent框架与Skills开发平台的建设，支持业务快速构建AI应用；跟踪AI领域前沿技术动态，参与技术调研与POC验证。
base北京/杭州都可以~ - 负责滴滴AI平台的架构设计和工程研发，打造行业领先的聚焦AI开发迭代效率和资源利用效率的AI平台 - 探索业界前沿的机器学习研发(MLOPS)和大模型工程研发(LLMOps)相关技术，覆盖数据、实验、训练、评估、推理等各个方向 - 不断精进、研究和实现大模型方向的平台产品与技术
我们正在寻找一位具备平台化思维、系统架构能力和团队管理经验的 AI平台研发 Leader，负责企业级 AI 平台的整体技术规划、架构设计和团队建设，打造类似 Dify、OpenClaw 、CoWork的AI 平台能力。你将负责 AI 平台从 0 到 1、从 1 到 N 的建设，带领团队构建Agent生成、Agent部署、Agent调优、模型接入、模型训练、模型部署、AI网关、推理优化、RAG等核心能力，支撑内部员工和团队快速构建基于大模型的应用、工作流和智能体系统。岗位职责平台架构规划： 负责 AI 应用开发平台的整体技术架构设计，规划平台核心模块、系统边界、技术路线和演进方向。带团队拿结果： 负责 AI 平台研发团队的技术管理、任务拆解、人员培养和研发效率提升，推动团队持续交付高质量平台能力。AI平台建设：带领团队建设具备高性能、高可用、高扩展性、高安全性的AI平台。AI Infra 建设： 负责模型推理、训练保障、推理优化、模型服务化、资源调度等 AI Infra 能力建设，提升平台性能、稳定性和成本效率。跨团队项目推进： 与产品、算法、业务、运维、安全等团队协作，推动复杂平台项目落地，支撑多业务场景规模化接入。技术预研与平台演进： 持续跟踪大模型、Agent、RAG、MCP、推理优化等方向的前沿技术，判断技术价值并推动工程化落地。