字节跳动AI Agent大模型应用开发实习生-TikTok
任职要求
1、2027届本科及以上学历在读，计算机、人工智能等相关专业优先； 2、熟练使用基本的数据结构与算法，具备良好的编码习惯，熟练掌握Golang/Python/Java中至少一种编程语言及常用框架； 3、了解LLM基本原理，熟悉Prompt Engineering，有RAG/Graph、Embedding等技术实践经验，熟悉LangChain等主流AI框架优先； 4、了解…
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：TikTok研发团队，旨在实现TikTok业务的研发工作，搭建及维护业界领先的产品。加入我们，你能接触到包括用户增长、社交、直播、搜索、本地生活、内容创造、内容消费等核心业务场景，支持产品在全球赛道上高速发展；也能接触到包括服务架构、基础技术等方向上的技术挑战，保障业务持续高质量、高效率、且安全地为用户服务；同时还能为不同业务场景提供全面的技术解决方案，优化各项产品指标及用户体验。 在这里，有大牛带队与大家一同不断探索前沿，突破想象空间。在这里，你的每一行代码都将服务亿万用户。在这里，团队专业且纯粹，合作氛围平等且轻松。目前在北京，上海，杭州、广州、深圳分别开放多个岗位机会。 1、Agent架构与基建研发：参与主架构Agent平台的底层架构设计与开发，包括基于ReAct模式的Agent框架等； 2、Agent应用落地：基于业务场景，开发并落地Agent应用，覆盖研发生产力提效、智能问答、数据分析与决策等实际业务任务； 3、工具与知识库基建：参与构建Agent记忆与知识系统，负责知识库接入以及工具的集成与抽象，持续丰富Agent的工具箱； 4、评估与算法调优：参与构建Agent能力的评估体系（Agentic Eval），基于强化学习（Agentic RL）、监督微调（SFT）等手段持续优化Agent的规划能力、工具调用准确率和最终执行效果； 5、深入思考研发过程中的各项问题，保障Agent系统在安全性、可用性和扩展性等方面的要求。
1. 主导现有物流系统AI化升级的整体后端架构设计，结合业务场景制定技术选型方案（如微服务/云原生架构），规划大模型集成、Agent调度的分层架构，保障系统扩展性与兼容性。 有成功落地经验、个人作品者优先； 2. 设计企业知识库的分布式架构，基于Python/Java技术栈搭建多源数据接入层、向量检索层与服务封装层，解决高并发下的数据同步与检索性能问题，输出架构设计文档。 3. 负责AI Agent核心架构落地，设计多智能体协作框架（如基于事件驱动/服务调用模式），定义Agent通信协议与状态管理机制，规避系统耦合风险，保障架构稳定性。 4. 主导架构评审与技术难点攻关，定期评估AI化架构适配性，输出架构演进方案，协调跨团队资源推进落地，确保系统AI化升级符合业务长期发展需求。
深入研究AI应用算法，探索LLM在深度推理、深度研究（Deep Research）、Code Agent、多模态Agent等领域的技术研究，包括 AI搜索，Plan、Tool Usage、Memory、Agent Reasoning、多模态理解等技术，推动AI技术在智能体产品应用中的突破。 探索工业级的Agent算法架构方案，提升Agent系统的执行效率和结果对齐准确度。在创新应用场景中，优化长上下文场景的Agent推理算法架构，提升Agent解决任务复杂度，探索System2技术边界。 针对重点方向如Agentic Search，Memory，进行端到端优化，包括系统算法框架设计、模型训练等，解决实际应用相关问题。 跟进大模型智能体前沿技术趋势，结合实际业务需求，将技术应用到实际业务场景；
1. 负责 vivo 大模型智能体（Agent）的核心算法研发，推动手机操作系统从「被动指令执行」向「主动自主服务」（Agent Phone）的范式演进。 2. 深入研究并落地 Planner-Executor 逻辑框架，提升大模型在复杂场景下的任务拆解、多步推理（ReAct/CoT/ToT）、工具调用（Tool-Use / Function-Calling）以及长链路的闭环执行能力。 3. 结合 Model Context Protocol（MCP）等前沿协议规范，构建和优化 Agent 与移动端底层系统 API、第三方应用以及个人化记忆（Personalized Memory）系统的交互链路，实现千人千面的上下文感知任务执行。 4. 主导 Agent 模型的训练与调优，运用 DPO、GRPO 等强化学习与对齐算法，以及 On-Policy Distillation（OPD）等技术，基于真实执行反馈持续提升 Agent 的决策质量、鲁棒性与推理效率。 5. 跟踪大模型及智能体领域的最新学术与工业界进展，探索 Sparse MoE、Linear Attention 等高效模型结构在端云协同 Agent 场景下的应用。关注 GUI Agent、模型自进化（Self-play / Agent Harness）等前沿方向，判断技术趋势并转化为产品能力。
1. 负责多模态大模型在产业链场景中的算法设计、研发及优化，推动模型在电商Agent的意图识别、规划、工具调用、报告生成等多个业务环节的落地与效果提升； 2. Agent业务相关垂直领域模型 多模态agent 数据合成/后训练，后训练VLM为代表的Agent通用能力（如tool use, planning等）增强，增强工具链路调用、知识图谱推理、report生成能力； 3. 参与AI Agent产品的需求分析、技术选型、方案设计、用户体验提升等，发现算法提升对于AI Agent落地的价值，参与下一代AI agent产品打造；