主分类：网络信息安全
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": "高级AI开发工程师（安全）-剪映CapCut（广州/深圳）",
"job_level": "高级",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "广州",
"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": "",
"degree": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、负责剪映系产品AI安全网关服务的整体架构设计，确保系统具备低延迟、高吞吐、高可用的特性，能够支撑亿级用户的实时调用；\n2、主导开发LLM安全护栏的核心后端模块，包括但不限于Prompt/输出过滤、越狱攻击检测、敏感信息识别与脱敏等，设计灵活、可插拔的安全流水线（Pipeline），支持快速集成多种检测模型、规则引擎与第三方安全服务，解决AI安全服务在性能、资源消耗、跨语言适配等方面的技术挑战，持续进行架构优化；\n3、与安全研究团队紧密合作，设计并实现针对新兴攻击手法的防御机制，保持安全能力的前瞻性，构建自动化的AI安全评测框架与指标体系，用于持续监控和量化安全护栏的防御效果与业务影响；\n4、研发支持安全策略配置、风险事件分析、攻击样本管理的后台工具，提升AI安全运营效率，与算法、产品、模型研发等团队密切沟通，确保安全方案与业务目标、模型特性紧密结合，并推动安全需求落地。",
"requirements_text": "1、本科及以上学历，计算机、通信、人工智能等相关专业毕业；\n2、精通Go、Java、C++中的至少一种，具备出色的编码能力与良好的代码风格；\n3、拥有设计、开发和维护低延迟、高可用分布式系统的经验，熟悉微服务架构，对gRPC/HTTP、缓存、消息队列、数据库等有理解和实践；\n4、对大语言模型（LLM）、生成式AI的基本原理有了解，对其潜在的安全风险有思考，具备良好的安全意识和风险识别能力，能够从攻击者视角审视系统设计。\n\n加分项：\n1、有LLM安全、Prompt攻防、模型安全评测、AI Guardrails等相关领域的研发经验者优先；\n2、有内容安全、风控系统或在线推理网关的后端架构设计经验者优先；\n3、熟悉Python，有与算法团队协作或进行模型工程化的经验，具备云原生（Kubernetes、Istio/Linkerd）、可观测性建设或大规模性能优化的实践经验者优先；\n4、机器学习框架（如TensorFlow、PyTorch）有一定了解。",
"skills": [AI生成
"Python",
"Java",
"C++",
"Kubernetes",
"PyTorch",
"TensorFlow",
"机器学习",
"分布式系统",
"微服务",
"数据库",
"性能优化",
"架构设计",
"团队协作",
"大语言模型"
],
"preferred_qualifications": "加分项：；1、有LLM安全、Prompt攻防、模型安全评测、AI Guardrails等相关领域的研发经验者优先；2、有内容安全、风控系统或在线推理网关的后端架构设计经验者优先；3、熟悉Python，有与算法团队协作或进行模型工程化的经验，具备云原生（Kubernetes、Istio/Linkerd）、可观测性建设或大规模性能优化的实践经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7636695044775020853/detail"
}
]
},
"posting": {
"posting_id": "7636695044775020853",
"post_date": "2026-05-06",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7636695044775020853/detail"
},
"fulltext": "高级AI开发工程师（安全）-剪映CapCut（广州/深圳）\n职位描述\n1、负责剪映系产品AI安全网关服务的整体架构设计，确保系统具备低延迟、高吞吐、高可用的特性，能够支撑亿级用户的实时调用；\n2、主导开发LLM安全护栏的核心后端模块，包括但不限于Prompt/输出过滤、越狱攻击检测、敏感信息识别与脱敏等，设计灵活、可插拔的安全流水线（Pipeline），支持快速集成多种检测模型、规则引擎与第三方安全服务，解决AI安全服务在性能、资源消耗、跨语言适配等方面的技术挑战，持续进行架构优化；\n3、与安全研究团队紧密合作，设计并实现针对新兴攻击手法的防御机制，保持安全能力的前瞻性，构建自动化的AI安全评测框架与指标体系，用于持续监控和量化安全护栏的防御效果与业务影响；\n4、研发支持安全策略配置、风险事件分析、攻击样本管理的后台工具，提升AI安全运营效率，与算法、产品、模型研发等团队密切沟通，确保安全方案与业务目标、模型特性紧密结合，并推动安全需求落地。\n\n职位要求\n1、本科及以上学历，计算机、通信、人工智能等相关专业毕业；\n2、精通Go、Java、C++中的至少一种，具备出色的编码能力与良好的代码风格；\n3、拥有设计、开发和维护低延迟、高可用分布式系统的经验，熟悉微服务架构，对gRPC/HTTP、缓存、消息队列、数据库等有理解和实践；\n4、对大语言模型（LLM）、生成式AI的基本原理有了解，对其潜在的安全风险有思考，具备良好的安全意识和风险识别能力，能够从攻击者视角审视系统设计。\n\n加分项：\n1、有LLM安全、Prompt攻防、模型安全评测、AI Guardrails等相关领域的研发经验者优先；\n2、有内容安全、风控系统或在线推理网关的后端架构设计经验者优先；\n3、熟悉Python，有与算法团队协作或进行模型工程化的经验，具备云原生（Kubernetes、Istio/Linkerd）、可观测性建设或大规模性能优化的实践经验者优先；\n4、机器学习框架（如TensorFlow、PyTorch）有一定了解。\n1、负责剪映系产品AI安全网关服务的整体架构设计，确保系统具备低延迟、高吞吐、高可用的特性，能够支撑亿级用户的实时调用；\n2、主导开发LLM安全护栏的核心后端模块，包括但不限于Prompt/输出过滤、越狱攻击检测、敏感信息识别与脱敏等，设计灵活、可插拔的安全流水线（Pipeline），支持快速集成多种检测模型、规则引擎与第三方安全服务，解决AI安全服务在性能、资源消耗、跨语言适配等方面的技术挑战，持续进行架构优化；\n3、与安全研究团队紧密合作，设计并实现针对新兴攻击手法的防御机制，保持安全能力的前瞻性，构建自动化的AI安全评测框架与指标体系，用于持续监控和量化安全护栏的防御效果与业务影响；\n4、研发支持安全策略配置、风险事件分析、攻击样本管理的后台工具，提升AI安全运营效率，与算法、产品、模型研发等团队密切沟通，确保安全方案与业务目标、模型特性紧密结合，并推动安全需求落地。\n1、本科及以上学历，计算机、通信、人工智能等相关专业毕业；\n2、精通Go、Java、C++中的至少一种，具备出色的编码能力与良好的代码风格；\n3、拥有设计、开发和维护低延迟、高可用分布式系统的经验，熟悉微服务架构，对gRPC/HTTP、缓存、消息队列、数据库等有理解和实践；\n4、对大语言模型（LLM）、生成式AI的基本原理有了解，对其潜在的安全风险有思考，具备良好的安全意识和风险识别能力，能够从攻击者视角审视系统设计。\n\n加分项：\n1、有LLM安全、Prompt攻防、模型安全评测、AI Guardrails等相关领域的研发经验者优先；\n2、有内容安全、风控系统或在线推理网关的后端架构设计经验者优先；\n3、熟悉Python，有与算法团队协作或进行模型工程化的经验，具备云原生（Kubernetes、Istio/Linkerd）、可观测性建设或大规模性能优化的实践经验者优先；\n4、机器学习框架（如TensorFlow、PyTorch）有一定了解。",
"standard_classification": {
"std_category_code": "T023",
"std_aux_codes": [
"T002"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}