字节跳动Agent研发工程师（可靠性方向）-小荷健康
任职要求
1、计算机、软件工程、人工智能或相关专业背景； 2、在以下任一方向有可证明的项目、研究或工程产出：LLM应用与Agent工程，包括生产级LLM系统、Agent Workflow、RAG Pipeline、Tool Use或Memory机制；平台与基础设施，包括工作流引擎、状态管理、可观测性、服务治理或内部平台；数据与检索系统，包括大规模数据Pipeline、检索系统、日志分析、反馈回流或评测基础设施； 3、理解LLM与Agent的工程化挑战，能够将复杂业务流程抽象为可执行、可监控、可维护的Agent Workflow或系统链路； …
工作职责
1、构建医疗AI核心系统框架：建设生产系统底座（包括模型调用、Tool调用、Memory管理、知识体系、反馈链路、Workflow引擎和状态流转），构建面向医疗任务的Agent与LLM Harness（包括任务编排、证据组织、状态管理、路由策略和人机协作边界），支撑多模态、多轮交互和连续健康管理等复杂任务的稳定运行，对端到端链路的效率、稳定性和质量负责； 2、建设知识与证据体系：实现医学知识更新、RAG、claim verification、evidence retrieval、来源追踪和结果审计，使医学依据能够被模型调用、被系统记录、被产品链路使用； 3、建设Data与反馈体系：面向用户交互、医学审核、运营反馈和模型输出，构建Data采集、清洗、归因、回流和监控能力，建设并维护满足严格隐私、安全、合规要求的Data Pipeline与服务，持续调试、优化、加固系统，支撑高可用、高性能与规模化运行，将生产系统中的发现反哺给算法、Data和产品迭代； 4、跨职能团队协作：在由算法、研发、产品、运营和医学等角色组成的跨职能团队中协作，把算法能力、知识体系和LLM Harness转化为稳定的生产系统，支持模型迭代和产品演进。
1、负责Agent架构设计开发，构建具备自主规划、工具调用、记忆管理及环境交互能力的高性能Agent系统； 2、负责Agent与外部CLI/Skills、知识库及多模态数据的对接与集成，提高大模型研发全生命周期效率； 3、探索并落地Agent在音视频大模型场景的应用，包括但不限于Harness Engineering、Auto Research、Model Self-improvement等； 4、优化Agent的决策推理能力，解决复杂任务拆解、异常处理、多Agent协同等技术难题，提升系统的稳定性与成功率。
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。
1. 研发具备长程规划能力的调研 Agent。设计并实现多步推理（Reasoning）、自主信息采集（Web Browsing）、多源数据合成与矛盾校对的算法架构，提升 Agent 在处理复杂未知任务时的“认知深度”； 2. 结合专业知识，深入分析垂直领域的业务逻辑。支持领域工具集与 DSL，使 Agent 能够精准理解并执行专业性极高的业务需求，解决“最后一公里”的落地难题； 3. 负责长上下文（Long-context）优化、精确的工具调用（Tool Calling）以及记忆碎片管理。解决大规模 Agent 集群在实际生产环境中的延迟与稳定性问题； 4. 针对 Deep Research 和专业领域任务，自动构建多维度的评测 Benchmark，持续提升 Agent 的决策准确率和专业度。
1.参与Agent设计、开发和维护，完成从需求到设计、开发和上线等全项目周期工作，为用户提供丰富且有价值的Agent产品； 2.负责将Agent落地到实际业务场景，包括但不限于Prompt工程、RAG优化、Multi-Agent构建、Memory系统、RL系统、流程编排、知识库建设、内容生成及业务流程自动化等； 3.结合专业知识，深入分析垂直领域的业务逻辑，使 Agent 能够精准理解并执行专业性极高的业务需求； 4.实时关注AI与大模型领域技术发展趋势，并灵活应用于项目中，适应快速迭代的研发节奏。