主分类：Agent系统开发
辅助：大模型与生成式算法研发（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": "Agent策略优化工程师 - 火山引擎",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "上海、深圳、北京、杭州",
"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": 3,
"degree": "计算机、人工智能、数学等相关专业本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "团队介绍：火山引擎是字节跳动旗下云和AI服务平台，将字节跳动快速发展过程中积累的增长方法、技术能力和应用工具开放给外部企业，通过云和AI技术，推进企业智能化转型，激发增长潜能。\n\n1、Agent Loop设计与优化：负责Agent核心链路（Planning/Reasoning/Tool Use/Reflection）的策略设计与持续优化，提升复杂任务的成功率、稳定性与执行效率，攻坚长程任务（Long-horizon Execution）下的上下文管理与错误恢复；\n2、Context Engineering&Memory系统：设计Agent的上下文工程方案与记忆系统（短期/长期/情景/语义记忆），落地记忆的写入、检索、压缩、更新与遗忘策略，支撑用户级个性化与跨会话一致性；\n3、Data Engine：基于线上Trace、用户反馈与评估信号构建数据闭环，负责轨迹数据构造、数据生成与高质量SFT/RL数据的产出；\n4、Learning Loop闭环：推动SFT/DPO/Agentic RL（GRPO/DAPO等）等Post-training策略在业务场景的落地，让Agent在线上数据驱动下持续进化；\n5、评估体系建设：构建覆盖离线Benchmark、在线A/B、案例回归的多层次评估体系，沉淀负面案例库，支撑算法策略快速迭代。",
"requirements_text": "1、计算机、人工智能、数学等相关专业本科及以上学历，3年以上算法/AI工程相关经验；\n2、熟悉大模型技术栈：Transformer、Prompt Engineering、RAG、Function Calling/MCP、Context Engineering，了解主流模型（GPT、Claude、Gemini、Qwen、DeepSeek等）的能力边界与适用场景；\n3、扎实的Python工程能力，熟悉至少一种主流Agent框架（LangGraph、LlamaIndex、AutoGen、Dify、CrewAI等）或具备自研Agent框架的经验；\n4、有复杂Agent系统的策略优化经验，熟悉ReAct、Reflexion、Plan-and-Execute、Tree of Thoughts等范式，有显著提升任务成功率/稳定性/成本的实战案例；\n5、有大模型Post-training经验（SFT/DPO/PPO/GRPO/DAPO），了解Agentic RL相关方法；\n6、熟悉Agent评估框架（SWE-bench、GAIA、AgentBench等）。",
"skills": [AI生成
"Python",
"React",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7615170080070011189/detail"
}
]
},
"posting": {
"posting_id": "7615170080070011189",
"post_date": "2026-03-09",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7615170080070011189/detail"
},
"fulltext": "Agent策略优化工程师 - 火山引擎\n职位描述\n团队介绍：火山引擎是字节跳动旗下云和AI服务平台，将字节跳动快速发展过程中积累的增长方法、技术能力和应用工具开放给外部企业，通过云和AI技术，推进企业智能化转型，激发增长潜能。\n\n1、Agent Loop设计与优化：负责Agent核心链路（Planning/Reasoning/Tool Use/Reflection）的策略设计与持续优化，提升复杂任务的成功率、稳定性与执行效率，攻坚长程任务（Long-horizon Execution）下的上下文管理与错误恢复；\n2、Context Engineering&Memory系统：设计Agent的上下文工程方案与记忆系统（短期/长期/情景/语义记忆），落地记忆的写入、检索、压缩、更新与遗忘策略，支撑用户级个性化与跨会话一致性；\n3、Data Engine：基于线上Trace、用户反馈与评估信号构建数据闭环，负责轨迹数据构造、数据生成与高质量SFT/RL数据的产出；\n4、Learning Loop闭环：推动SFT/DPO/Agentic RL（GRPO/DAPO等）等Post-training策略在业务场景的落地，让Agent在线上数据驱动下持续进化；\n5、评估体系建设：构建覆盖离线Benchmark、在线A/B、案例回归的多层次评估体系，沉淀负面案例库，支撑算法策略快速迭代。\n\n职位要求\n1、计算机、人工智能、数学等相关专业本科及以上学历，3年以上算法/AI工程相关经验；\n2、熟悉大模型技术栈：Transformer、Prompt Engineering、RAG、Function Calling/MCP、Context Engineering，了解主流模型（GPT、Claude、Gemini、Qwen、DeepSeek等）的能力边界与适用场景；\n3、扎实的Python工程能力，熟悉至少一种主流Agent框架（LangGraph、LlamaIndex、AutoGen、Dify、CrewAI等）或具备自研Agent框架的经验；\n4、有复杂Agent系统的策略优化经验，熟悉ReAct、Reflexion、Plan-and-Execute、Tree of Thoughts等范式，有显著提升任务成功率/稳定性/成本的实战案例；\n5、有大模型Post-training经验（SFT/DPO/PPO/GRPO/DAPO），了解Agentic RL相关方法；\n6、熟悉Agent评估框架（SWE-bench、GAIA、AgentBench等）。\n团队介绍：火山引擎是字节跳动旗下云和AI服务平台，将字节跳动快速发展过程中积累的增长方法、技术能力和应用工具开放给外部企业，通过云和AI技术，推进企业智能化转型，激发增长潜能。\n\n1、Agent Loop设计与优化：负责Agent核心链路（Planning/Reasoning/Tool Use/Reflection）的策略设计与持续优化，提升复杂任务的成功率、稳定性与执行效率，攻坚长程任务（Long-horizon Execution）下的上下文管理与错误恢复；\n2、Context Engineering&Memory系统：设计Agent的上下文工程方案与记忆系统（短期/长期/情景/语义记忆），落地记忆的写入、检索、压缩、更新与遗忘策略，支撑用户级个性化与跨会话一致性；\n3、Data Engine：基于线上Trace、用户反馈与评估信号构建数据闭环，负责轨迹数据构造、数据生成与高质量SFT/RL数据的产出；\n4、Learning Loop闭环：推动SFT/DPO/Agentic RL（GRPO/DAPO等）等Post-training策略在业务场景的落地，让Agent在线上数据驱动下持续进化；\n5、评估体系建设：构建覆盖离线Benchmark、在线A/B、案例回归的多层次评估体系，沉淀负面案例库，支撑算法策略快速迭代。\n1、计算机、人工智能、数学等相关专业本科及以上学历，3年以上算法/AI工程相关经验；\n2、熟悉大模型技术栈：Transformer、Prompt Engineering、RAG、Function Calling/MCP、Context Engineering，了解主流模型（GPT、Claude、Gemini、Qwen、DeepSeek等）的能力边界与适用场景；\n3、扎实的Python工程能力，熟悉至少一种主流Agent框架（LangGraph、LlamaIndex、AutoGen、Dify、CrewAI等）或具备自研Agent框架的经验；\n4、有复杂Agent系统的策略优化经验，熟悉ReAct、Reflexion、Plan-and-Execute、Tree of Thoughts等范式，有显著提升任务成功率/稳定性/成本的实战案例；\n5、有大模型Post-training经验（SFT/DPO/PPO/GRPO/DAPO），了解Agentic RL相关方法；\n6、熟悉Agent评估框架（SWE-bench、GAIA、AgentBench等）。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}