主分类：Agent系统开发
辅助：自然语言处理算法研发（仅展示）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "AI Agent工程师-集团信息系统",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "深圳",
"work_mode": "未披露",AI生成
"job_category": "研发"AI生成
},
"company": {
"company_name": "字节跳动",
"company_industry": "互联网 / 数字内容 / 电商",
"company_size": "10000人以上",
"company_website": "bytedance.com",
"company_description": "字节跳动提供内容创作、信息分发、电商和协作产品，旗下产品包括抖音、今日头条、TikTok和飞书。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、负责Data Agent核心系统设计与开发，融合LLM推理、知识图谱、向量检索等技术，构建可扩展的Agent框架，实现智能BI场景下的自动化数据洞察与问答；\n2、构建高可用、可扩展的Agent运行时（Runtime）系统，设计并落地复杂的任务编排流程，解决服务通信、状态管理、并发控制及系统稳定性难题；推动AI技术在数据基建和企业智能场景的落地；\n3、负责NL2SQL/DSL/Code生成的核心算法优化，熟悉模型微调及In-context Learning策略，提升模型在复杂Schema下的语义解析能力；深入研究Schema Linking、Self-Correction，推动生成准确率达到业界优秀水平；\n4、跟踪大模型在推理（Reasoning）、长上下文（Long Context）及Agent规划（Planning）领域的前沿算法，探索CoT/ToT、ReAct等复杂推理范式在数据分析场景的应用；结合RAG检索增强与领域知识图谱，研发垂直场景下的模型适配与对齐技术，通过算法创新优化模型幻觉与逻辑推理问题。",
"requirements_text": "1、5年以上服务端或算法相关从业经验，有AI Agent研发经验者优先；\n2、扎实掌握计算机基础知识，精通至少一门主流编程语言，熟悉分布式、微服务及常用中间件；\n3、具备LLM应用工程能力：熟悉模型推理链路与成本/时延优化，熟悉Prompt优化、函数调用、结构化输出、上下文管理、与安全治理（越权、注入等）；\n4、具备Agentic Engineering能力：能设计可扩展的Agent框架（规划-执行-反思/自检）、状态管理、记忆与会话、工具/插件体系、任务编排；有多Agent协同（角色分工、通信协议、冲突处理、仲裁与融合）经验优先；\n5、精通RAG架构设计与落地：数据接入与清洗、切分与索引、Embedding与召回/重排、向量库选型与调优、引用溯源与答案可信度；能针对智能BI场景做效果评估与持续迭代。",
"skills": [AI生成
"微服务",
"架构设计"
],
"preferred_qualifications": "1、5年以上服务端或算法相关从业经验，有AI Agent研发经验者优先；有多Agent协同（角色分工、通信协议、冲突处理、仲裁与融合）经验优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7605446581454637317/detail"
}
]
},
"posting": {
"posting_id": "7605446581454637317",
"post_date": "2026-02-11",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7605446581454637317/detail"
},
"fulltext": "AI Agent工程师-集团信息系统\n职位描述\n1、负责Data Agent核心系统设计与开发，融合LLM推理、知识图谱、向量检索等技术，构建可扩展的Agent框架，实现智能BI场景下的自动化数据洞察与问答；\n2、构建高可用、可扩展的Agent运行时（Runtime）系统，设计并落地复杂的任务编排流程，解决服务通信、状态管理、并发控制及系统稳定性难题；推动AI技术在数据基建和企业智能场景的落地；\n3、负责NL2SQL/DSL/Code生成的核心算法优化，熟悉模型微调及In-context Learning策略，提升模型在复杂Schema下的语义解析能力；深入研究Schema Linking、Self-Correction，推动生成准确率达到业界优秀水平；\n4、跟踪大模型在推理（Reasoning）、长上下文（Long Context）及Agent规划（Planning）领域的前沿算法，探索CoT/ToT、ReAct等复杂推理范式在数据分析场景的应用；结合RAG检索增强与领域知识图谱，研发垂直场景下的模型适配与对齐技术，通过算法创新优化模型幻觉与逻辑推理问题。\n\n职位要求\n1、5年以上服务端或算法相关从业经验，有AI Agent研发经验者优先；\n2、扎实掌握计算机基础知识，精通至少一门主流编程语言，熟悉分布式、微服务及常用中间件；\n3、具备LLM应用工程能力：熟悉模型推理链路与成本/时延优化，熟悉Prompt优化、函数调用、结构化输出、上下文管理、与安全治理（越权、注入等）；\n4、具备Agentic Engineering能力：能设计可扩展的Agent框架（规划-执行-反思/自检）、状态管理、记忆与会话、工具/插件体系、任务编排；有多Agent协同（角色分工、通信协议、冲突处理、仲裁与融合）经验优先；\n5、精通RAG架构设计与落地：数据接入与清洗、切分与索引、Embedding与召回/重排、向量库选型与调优、引用溯源与答案可信度；能针对智能BI场景做效果评估与持续迭代。\n1、负责Data Agent核心系统设计与开发，融合LLM推理、知识图谱、向量检索等技术，构建可扩展的Agent框架，实现智能BI场景下的自动化数据洞察与问答；\n2、构建高可用、可扩展的Agent运行时（Runtime）系统，设计并落地复杂的任务编排流程，解决服务通信、状态管理、并发控制及系统稳定性难题；推动AI技术在数据基建和企业智能场景的落地；\n3、负责NL2SQL/DSL/Code生成的核心算法优化，熟悉模型微调及In-context Learning策略，提升模型在复杂Schema下的语义解析能力；深入研究Schema Linking、Self-Correction，推动生成准确率达到业界优秀水平；\n4、跟踪大模型在推理（Reasoning）、长上下文（Long Context）及Agent规划（Planning）领域的前沿算法，探索CoT/ToT、ReAct等复杂推理范式在数据分析场景的应用；结合RAG检索增强与领域知识图谱，研发垂直场景下的模型适配与对齐技术，通过算法创新优化模型幻觉与逻辑推理问题。\n1、5年以上服务端或算法相关从业经验，有AI Agent研发经验者优先；\n2、扎实掌握计算机基础知识，精通至少一门主流编程语言，熟悉分布式、微服务及常用中间件；\n3、具备LLM应用工程能力：熟悉模型推理链路与成本/时延优化，熟悉Prompt优化、函数调用、结构化输出、上下文管理、与安全治理（越权、注入等）；\n4、具备Agentic Engineering能力：能设计可扩展的Agent框架（规划-执行-反思/自检）、状态管理、记忆与会话、工具/插件体系、任务编排；有多Agent协同（角色分工、通信协议、冲突处理、仲裁与融合）经验优先；\n5、精通RAG架构设计与落地：数据接入与清洗、切分与索引、Embedding与召回/重排、向量库选型与调优、引用溯源与答案可信度；能针对智能BI场景做效果评估与持续迭代。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T036"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}