字节跳动LLM Agent工程师-TRAE
任职要求
1、本科及以上学历，计算机相关专业优先，具备某一领域的技术栈强项目，包括不限于客户端、前端、后端等； 2、具备持续好奇心，不仅对AI Agent/LLM/开发者工具能够保持持续兴趣，也要对新技术和新玩法进行…
工作职责
1、负责探索并构建字节跳动AI Coding产品TRAE在各类研发场景内的业务落地，在真实对比与用户反馈中持续打磨产品能力； 2、能够有机会从0-1推进落地可用的产品形态，并且独立负责完整链路； 3、有机会深入参与AI Agent全栈工程，不局限于单一技术栈，从应用层到系统层建立完整实践经验。
1.将最先进的AI技术部署到游戏研发管线中，并转化为优化游戏生产和升级玩家体验的实际解决方案； 2.设计与开发基于AI Agent的研发工具链。包括但不限于代码审查、自动化测试和优化、策划配置生成等多项游戏制作环节； 3.与研发团队合作，定制引擎和工具流。协同策划、美术、程序团队重构工业化管线，建立AI驱动的敏捷研发新模式。
-核心运筹算法研发：深入理解业务场景（物流、航空、港口、工业制造等），针对调度、路径规划（VRP）、装箱、排班、选址等核心问题，设计并实现高性能的运筹优化算法 -大模型与Agent应用：探索 LLM 在运筹领域的应用边界，构建基于 LLM 的智能体（Agent）。利用大模型辅助数学建模、自动化生成求解代码、或通过启发式引导提升传统求解算法的效率 -工程落地与迭代：负责从问题定义、数学建模、算法设计到工程落地的全流程；持续跟踪生产环境效果，解决算法在实际场景中的性能瓶颈（如求解速度、可行性等） -前沿技术探索：跟进运筹学与深度学习（尤其是 LLM、RL）结合的前沿技术，推动“求解器 + 大模型”的技术融合
1. 数据资产体系建设：负责域外数据、位置数据、企业数据三大场景的智能化升级，设计并实现从数据采集、治理到服务化的完整链路，推动团队从传统"数据供应"模式向"智能能力输出"转型，直接支撑经营控比、采购数据验收、AI-Native 产品等核心业务场景。 2. AI-Native 架构从 0 到 1 建设：参与大模型与数据研发融合的架构设计，负责 LLM Agent 任务编排、多轮上下文管理、Human-in-the-Loop 决策机制的实现与优化，建立 Prompt 工程规范、Agent Eval 体系及 badcase 自动化排查与自愈闭环，确保技术成果在电商/AI 核心业务中快速落地。 3. 多模态数据与知识体系建设：负责文本/音频/图像/视频等多模态数据的检测、异常识别与相似度计算，设计数据质检与验收标准；同时主导知识抽取与本体建模工作，包括命名实体识别、关系抽取、实体对齐等技术落地，构建 Schema 设计与图数据库应用，打造语义资产体系。
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。