字节跳动LLM应用/Agent/AI平台研发工程师-Data
任职要求
1、本科及以上学历，计算机、软件工程、人工智能或相关专业；具备扎实的工程基础与系统设计能力； 2、熟悉主流编程语言（Python／TypeScript／Go／Java等），具备较强的全栈或系统研发能力； 3、了解大模型／多模态模型／Agent的应用开发范式，有相关项目经验； 4、具备较强的AI Coding能力，能熟练借助Claude Code／Cursor等AI工具高效完成从设计到落地的研发闭环； 5、具备良…
工作职责
1、负责大模型/Agent应用核心链路的架构设计与系统研发，支撑大规模在线生产运行； 2、基于前沿大模型，设计Prompt组织、Agent编排、决策链路与评测机制，把模型能力转化为可度量的业务产能； 3、构建模型效果自动优化闭环与降本效率专项：错例归因、问题聚类、策略迭代、回归验证，推动系统自驱进化；推进平台在效果、成本、性能之间持续寻找更优解； 4、搭建面向AI决策的可观测与感知基础设施，让模型的判断过程对业务侧透明可信； 5、与策略、算法、模型训练、业务运营等多方深度协作，把复杂业务诉求翻译成可落地的技术方案。
1、结合大模型（LLM）能力，探索并实现AI 赋能的数据开发新模式，如代码智能补全、智能调试、SQL生成优化等； 2、设计并优化高并发、高可用的后端架构，支持大规模数据开发用户的使用场景； 3、研究并落地业界大模型在数据开发领域的最佳实践，包括但不限于RAG（检索增强生成）、智能Agent、代码生成等； 4、负责相关API设计、模型调用接口开发及性能优化，确保LLM相关功能的高效集成； 5、参与团队的技术决策，推动架构优化，提升系统的稳定性、可扩展性和易维护性； 6、关注业界大数据开发工具和AI赋能技术的最新进展，推动相关技术在团队内的落地与实践。
1、负责研发基于LLM的广告商家Agent应用建设，如广告投放Agent、DataAgent等一些列智能体应用； 2、负责研发Dev Agent，将AI能力无缝融入开发流程中，端到端的提高开发效率和创新性； 3、设计并实现易用的Agent开发平台，降低开发者使用Agent技术的门槛，包括MCP管理、A2A协议、Prompt动态配置、Agent安全控制等基础能力建设； 4、跟踪当前业界最新的多智能体、大模型应用研究进展，确保团队技术领先。
团队介绍： 平台技术是阿里国际集团技术创新和业务支撑的核心团队，以构建全球领先的数据+智能+跨云一体化数字化技术基础设施为目标，倾力打造合规、稳定、高效且用户体验卓越的技术服务平台。 我们基于全球化架构与数字智能技术，构建坚实合规的全球化商业底座。采用先进的微服务架构、混合云最佳实践以及智能模块化设计，有效提升业务响应速度和灵活性。通过技术创新驱动研发模式的代际演进，聚焦敏捷开发、先进生产工具、自动化运维流程，践行AI和云原生时代的DevOps文化。打造技术产品和研发规范，构筑起全方位的安全防护屏障。依托数据平台，基于大数据分析、机器学习等先进技术手段，构建强大的数据中台和智能决策支持系统。我们的终端技术专注于提升用户的数字化交互体验，结合智能时代的人机交互范式和网络技术，为全球用户提供极致流畅、个性智能的产品体验 职位描述 1. 产品规划与落地： 负责基于海量电商数据，规划并设计数据智能 Agent 产品（如：商机挖掘，用户洞察，智能取数助手、Text-to-SQL 工具、自动化数据分析报告）。 2. 技术转化与应用： 深入最新AI领域的技术最新在数据分析领域的应用（如 Agent 框架、RAG 检索增强、Text-to-SQL 准确率优化、Code Interpreter 等），将前沿技术转化为可落地的产品功能，解决传统的痛点。 3. 跨部门协作： 与 ETL 工程师、数据分析师、算法团队紧密配合，业务 多部门合作，梳理电商业务“语义层”或“知识库”和工作流程。 4. 场景挖掘与运营： 深入业务一线，挖掘运营、采销、管理层的数据使用场景，推广 AI 数据工具。通过用户行为数据分析，优化 Agent 的交互体验，提升内部或外部客户的数据获取效率。
负责阿里集团、阿里云战略级产品SLS研发，在日增数百PB级的超大规模实时数据之上，挑战从“经典可观测性”向“AI Native 基建”的跨越。通过实时采集、索引、存储、语义检索和分析等技术，实时处理每日数百PB海量数据，并针对AI应用场景进行特定优化，提供智能、自动化数据检索和分析服务。加入该岗位，您将有机会在国内超大规模的实时日志平台上，打造新一代的AI基础设施。 1. 定义下一代 AI 数据基座： 基于现有海量日志平台，重构面向 Agent Runtime 的数据基础设施，解决高吞吐写入与低延迟语义检索共存的工程难题； 2. 构建 Data + AI 飞轮： 研发高性能的数据清洗与向量化流水线，从数据中实时化萃取高质量数据，构建AI存储和检索系统，通过构建数据反馈回路，使模型和Agent持续进化； 3. 超大规模系统攻坚： 维护并演进日处理百 PB 级数据的实时平台，在极致的成本与性能约束下，探索存算分离、混合索引等前沿技术落地。