主分类：Agent系统开发
辅助：后端与业务系统研发（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": "DevOps Agent研发工程师-火山引擎",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "后端"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": 2,
"degree": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、负责DevOps/SRE Agent（智能运维Agent）平台的研发，打造“7x24在线的运维搭档”——自主完成故障发现、调查、定位、修复与预防，覆盖测试验证、特性发布、配置变更、智能巡检、告警治理等研发运维全流程；参与Agent应用自身的可观测体系及效果评估与可靠性体系建设；\n2、建设面向可观测的自主诊断能力：以“假设驱动（hypothesis-driven）”的方式跨Metrics、Logs、Traces、代码变更、部署记录与发布事件做关联推理，实现自动化根因分析（RCA），持续压降MTTR；\n3、设计Agent Runtime基础循环与执行策略中心，构建分级自治（human-in-the-loop→半自动→全自动）能力，保证自动化执行安全、可控、可审计、可回溯；\n4、建设面向AI的查询与排障助手：自然语言查询Copilot、智能报警检测与告警智能聚合降噪，把海量可观测数据转化为可直接行动的诊断结论与修复建议；\n5、打通可观测工具、Runbook、代码仓库与CI/CD管线，通过MCP/工具编排让Agent具备跨系统调用与闭环修复能力。",
"requirements_text": "1、本科及以上学历，计算机相关专业，2年以上后端研发工作经验；\n2、精通Go/Python/Java中至少一门，熟悉云原生与分布式系统；\n3、有生产级LLM/Agent应用落地经验，深入理解Prompt工程、工具调用（Function Calling/MCP）、规划与执行、多轮推理等机制；\n4、熟悉RAG、全文检索、向量检索、知识图谱、Memory等AI周边技术及相关系统（Elasticsearch、Milvus、Neo4j、LanceDB等）；\n5、深刻理解研发/运维/排障全流程，具备复杂系统问题排查能力，能将技术转化为可落地的产品价值。\n\n具备以下条件之一者优先\n1、有AIOps、异常检测、根因分析（RCA）、时序算法相关实战经验；\n2、有可观测/监控/运维平台研发背景，理解Metrics/Logs/Traces数据特性与故障排查范式；\n3、有Agent框架、工具编排、Multi-Agent系统的设计或开源经验，了解AWS DevOps Agent、Azure SRE Agent、Google SRE Agent等同类产品的能力边界；\n4、有自动化故障自愈、Runbook自动化、ChatOps/事件管理（Incident Management）系统建设经验；\n5、对AI落地有判断力，能在新赛道上从0到1定义并推动问题解决。",
"skills": [AI生成
"Python",
"Java",
"Elasticsearch",
"分布式系统",
"知识图谱"
],
"preferred_qualifications": "具备以下条件之一者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7616589343769905413/detail"
}
]
},
"posting": {
"posting_id": "7616589343769905413",
"post_date": "2026-03-13",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7616589343769905413/detail"
},
"fulltext": "DevOps Agent研发工程师-火山引擎\n职位描述\n1、负责DevOps/SRE Agent（智能运维Agent）平台的研发，打造“7x24在线的运维搭档”——自主完成故障发现、调查、定位、修复与预防，覆盖测试验证、特性发布、配置变更、智能巡检、告警治理等研发运维全流程；参与Agent应用自身的可观测体系及效果评估与可靠性体系建设；\n2、建设面向可观测的自主诊断能力：以“假设驱动（hypothesis-driven）”的方式跨Metrics、Logs、Traces、代码变更、部署记录与发布事件做关联推理，实现自动化根因分析（RCA），持续压降MTTR；\n3、设计Agent Runtime基础循环与执行策略中心，构建分级自治（human-in-the-loop→半自动→全自动）能力，保证自动化执行安全、可控、可审计、可回溯；\n4、建设面向AI的查询与排障助手：自然语言查询Copilot、智能报警检测与告警智能聚合降噪，把海量可观测数据转化为可直接行动的诊断结论与修复建议；\n5、打通可观测工具、Runbook、代码仓库与CI/CD管线，通过MCP/工具编排让Agent具备跨系统调用与闭环修复能力。\n\n职位要求\n1、本科及以上学历，计算机相关专业，2年以上后端研发工作经验；\n2、精通Go/Python/Java中至少一门，熟悉云原生与分布式系统；\n3、有生产级LLM/Agent应用落地经验，深入理解Prompt工程、工具调用（Function Calling/MCP）、规划与执行、多轮推理等机制；\n4、熟悉RAG、全文检索、向量检索、知识图谱、Memory等AI周边技术及相关系统（Elasticsearch、Milvus、Neo4j、LanceDB等）；\n5、深刻理解研发/运维/排障全流程，具备复杂系统问题排查能力，能将技术转化为可落地的产品价值。\n\n具备以下条件之一者优先\n1、有AIOps、异常检测、根因分析（RCA）、时序算法相关实战经验；\n2、有可观测/监控/运维平台研发背景，理解Metrics/Logs/Traces数据特性与故障排查范式；\n3、有Agent框架、工具编排、Multi-Agent系统的设计或开源经验，了解AWS DevOps Agent、Azure SRE Agent、Google SRE Agent等同类产品的能力边界；\n4、有自动化故障自愈、Runbook自动化、ChatOps/事件管理（Incident Management）系统建设经验；\n5、对AI落地有判断力，能在新赛道上从0到1定义并推动问题解决。\n1、负责DevOps/SRE Agent（智能运维Agent）平台的研发，打造“7x24在线的运维搭档”——自主完成故障发现、调查、定位、修复与预防，覆盖测试验证、特性发布、配置变更、智能巡检、告警治理等研发运维全流程；参与Agent应用自身的可观测体系及效果评估与可靠性体系建设；\n2、建设面向可观测的自主诊断能力：以“假设驱动（hypothesis-driven）”的方式跨Metrics、Logs、Traces、代码变更、部署记录与发布事件做关联推理，实现自动化根因分析（RCA），持续压降MTTR；\n3、设计Agent Runtime基础循环与执行策略中心，构建分级自治（human-in-the-loop→半自动→全自动）能力，保证自动化执行安全、可控、可审计、可回溯；\n4、建设面向AI的查询与排障助手：自然语言查询Copilot、智能报警检测与告警智能聚合降噪，把海量可观测数据转化为可直接行动的诊断结论与修复建议；\n5、打通可观测工具、Runbook、代码仓库与CI/CD管线，通过MCP/工具编排让Agent具备跨系统调用与闭环修复能力。\n1、本科及以上学历，计算机相关专业，2年以上后端研发工作经验；\n2、精通Go/Python/Java中至少一门，熟悉云原生与分布式系统；\n3、有生产级LLM/Agent应用落地经验，深入理解Prompt工程、工具调用（Function Calling/MCP）、规划与执行、多轮推理等机制；\n4、熟悉RAG、全文检索、向量检索、知识图谱、Memory等AI周边技术及相关系统（Elasticsearch、Milvus、Neo4j、LanceDB等）；\n5、深刻理解研发/运维/排障全流程，具备复杂系统问题排查能力，能将技术转化为可落地的产品价值。\n\n具备以下条件之一者优先\n1、有AIOps、异常检测、根因分析（RCA）、时序算法相关实战经验；\n2、有可观测/监控/运维平台研发背景，理解Metrics/Logs/Traces数据特性与故障排查范式；\n3、有Agent框架、工具编排、Multi-Agent系统的设计或开源经验，了解AWS DevOps Agent、Azure SRE Agent、Google SRE Agent等同类产品的能力边界；\n4、有自动化故障自愈、Runbook自动化、ChatOps/事件管理（Incident Management）系统建设经验；\n5、对AI落地有判断力，能在新赛道上从0到1定义并推动问题解决。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T002"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}