字节跳动AI Agent研发质量效能工程实习生 - 飞书
任职要求
1、本科及以上学历在读，计算机、软件工程、人工智能、自动化等相关专业优先； 2、熟练使用至少一种AI编程工具，包含但不限于Claude、Codex、TRAE等，能够将AI能力应用于自动化验证、评测脚本开发、问题分析与质量效率优化等场景；具备基础的编程能力，至少熟悉一门常用开发语言，包括但不限于Python、Golang、Java、C/C++等；有脚本开发、工具开发或工程实践经验者优先； 3、具备扎实的计算机基础知识，了解网络通信基础，包括TCP/IP、HTT…
工作职责
团队介绍：飞书是字节跳动旗下 AI 工作平台，面向人与agent协作，提供一站式协同办公、组织管理、业务提效工具和深入企业场景的 AI 能力，让 AI 真能用真落地。 从互联网、高科技、消费零售到制造、金融、医疗健康，各行各业先进企业都在飞书落地AI，与飞书共创行业最佳实践。先进团队，AI用飞书。 日常实习：面向全体在校生，为符合岗位要求的同学提供为期3个月及以上的项目实践机会。 1、参与飞书AI Harness质量系统的构建与演进，围绕服务端、Web端、移动端及AI相关能力，建设面向真实业务场景的自动化验证、评测执行、结果分析与质量闭环能力； 2、参与团队AI质量体系与工程体系建设，包括但不限于：自动化评测、流程验证、持续集成、上线准入与质量门禁等； 3、面向AI场景设计质量方案，覆盖结果质量、过程质量与系统稳定性，提升问题发现效率与质量反馈速度； 4、参与线上问题追踪、归因分析与质量数据建设，推动问题从发现、定位到修复验证的闭环提效； 5、参与通用质量工具、评测脚本与效率平台建设，提升团队在复杂业务和AI场景下的验证效率。
岗位定位 我们正在把 AI 视频创作能力打造成持续高频迭代的平台，并将整个研发流程向 AI Native 演进。你将负责其中的质量与研发效能建设：一方面以工程与 AI 手段重构传统测试流程，让质量保障深度融入研发链路；另一方面守住功能、性能、稳定性等质量基本盘，并将线上用户反馈作为质量问题统一纳入闭环管理。这是一个以开发驱动质量的岗位，我们期待你具备扎实的工程能力，能够自主构建测试系统与智能体，并善于借助 AI 持续提升质量与研发效能。 核心职责 1. AI Native 质量与效能建设 ● 以工程手段重构测试流程，将用例设计、数据构造、执行验证、缺陷定位等环节自动化，并融入团队整体研发链路。 ● 设计并开发可自主运行的质量智能体，具备理解代码与需求变更、生成并执行测试、定位问题、验证修复的能力。 ● 在现有测试与效能平台基础上补齐能力、自研工具，沉淀可复用、可编排的质量效能体系。 2. 质量保障体系 ● 负责产品全生命周期的质量保障，建立完善的测试策略、质量标准与度量体系。 ● 设计并实现覆盖端、服务、生成链路的自动化测试框架与专项工具链，推动 CI/CD 流程落地，保障发布稳定性。 ● 建立 Bad Case 分析闭环，实现从问题发现、定位、修复到回归验证的完整流程，保障多维度质量底线。 3. 线上质量与反馈闭环 ● 将线上用户反馈与质量问题统一纳入闭环管理，负责问题的接收、归类、复现、定位与修复验证。 ● 从质量视角关注线上运行状态，及时发现质量隐患，并推动问题与研发协同修复。 ● 开发智能化的线上问题处理能力，实现问题归类、复现与初步定位的自动化，并沉淀处理知识持续优化。
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。
1. 负责充电宝研发团队 AI-Pipeline 的设计与落地，围绕运产研测全链路研发范式迭代，构建从需求生成到代码交付的 Agent 协作工作流，推动研发效率系统性提升。 2. 负责各阶段 Agent 的工程化建设，设计 Agent 间的职责边界、产物规范与串联逻辑，确保 Pipeline 可控、可调试、可扩展。 3. 负责 AI-Pipeline 基础设施建设，包括 Agent 编排引擎、知识库工程化（多源归集、增量更新、召回优化）、CI/CD 自动触发链路等，支撑全链路 Autopilot 稳定运转。 4. 深度参与研发范式迭代，结合试点项目持续优化 Spec 模板、Rules 规范与 Prompt 工程，将实践经验沉淀为团队可复用的知识资产，推动 AI 辅助研发从工具使用升级为范式落地。