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": "AI Agent算法工程师-国际电商联盟",
"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": "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、负责规划与落地端到端Agent解决方案，完成任务拆解、执行链路设计、工具编排与多Agent协作，对产品效果、稳定性与体验整体负责；同时聚焦Agent核心能力升级，围绕工具调用精准度、长期记忆有效性和上下文理解一致性持续优化，并持续跟踪业界先进的大模型应用框架与工程实践，推动Agent开发框架和底层基础设施的演进，支撑多模型、多工具的规模化应用；\n2、负责搭建与完善大模型训练与评估流水线，组织并推进基于SFT、RLHF、DPO等范式的训练实验，沉淀高质量训练数据、评测用例和可复用的训练/评估框架，驱动AI搜索效果的持续提升；\n3、深入探索思维链、多步推理等LLM推理技术以及RAG/搜索算法，提升对复杂Query的深度理解、跨Item信息融合能力和长文本检索生成质量；\n4、持续跟进行业前沿的大模型与Agent技术趋势，将前沿方法转化为可验证实验与可落地能力，并在团队内推动最佳实践建设和经验沉淀。",
"requirements_text": "1、具备系统性理解和主导AI Agent核心能力升级的能力，对工具调用、长期记忆、上下文管理等关键问题有深入思考与实践经验，有将相关能力从原型推向生产的成功案例；\n2、具备扎实的大模型训练与调优经验，熟练掌握SFT、RLHF、DPO等训练范式，能独立完成数据构建、训练方案设计与效果分析，参与或主导过Agent场景下的模型训练与上线；\n3、对主流Agent架构及其算法原理有深入理解，如ReAct、Plan&Execute、Reflection、Multi-Agent等，具备在真实业务中选型、落地与优化的实践经历；\n4、精通Python，具备在Linux环境下开发和维护生产级服务的经验，熟悉至少一种主流大模型应用框架（如LangGraph、LangChain、LlamaIndex），能够快速搭建和迭代Agent/RAG类应用；\n5、对大模型与Agent生态有全面认知，熟悉常见的LLM实施模式、提示工程方法、评估与检索框架，理解Multi-Agent、Context Engineering/Management、ReAct/PlanAct/CodeAct等架构思路，并了解MCP、Skill等相关交互协议，在LLM推理（如思维链、多步推理）与RAG/搜索算法方面有实际项目经验，能够利用相关技术支撑复杂搜索场景中的深层Query理解、跨Item信息融合和高质量长文本生成；\n6、具备良好的业务理解能力与抽象建模能力，善于将业务问题转化为可落地的技术方案；同时具备良好的沟通协作、跨团队推动和结果导向意识。",
"skills": [AI生成
"Python",
"Linux",
"React",
"搜索算法",
"模型训练",
"建模",
"大语言模型"
],
"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/7637433770217261317/detail"
}
]
},
"posting": {
"posting_id": "7637433770217261317",
"post_date": "2026-05-08",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7637433770217261317/detail"
},
"fulltext": "AI Agent算法工程师-国际电商联盟\n职位描述\n1、负责规划与落地端到端Agent解决方案，完成任务拆解、执行链路设计、工具编排与多Agent协作，对产品效果、稳定性与体验整体负责；同时聚焦Agent核心能力升级，围绕工具调用精准度、长期记忆有效性和上下文理解一致性持续优化，并持续跟踪业界先进的大模型应用框架与工程实践，推动Agent开发框架和底层基础设施的演进，支撑多模型、多工具的规模化应用；\n2、负责搭建与完善大模型训练与评估流水线，组织并推进基于SFT、RLHF、DPO等范式的训练实验，沉淀高质量训练数据、评测用例和可复用的训练/评估框架，驱动AI搜索效果的持续提升；\n3、深入探索思维链、多步推理等LLM推理技术以及RAG/搜索算法，提升对复杂Query的深度理解、跨Item信息融合能力和长文本检索生成质量；\n4、持续跟进行业前沿的大模型与Agent技术趋势，将前沿方法转化为可验证实验与可落地能力，并在团队内推动最佳实践建设和经验沉淀。\n\n职位要求\n1、具备系统性理解和主导AI Agent核心能力升级的能力，对工具调用、长期记忆、上下文管理等关键问题有深入思考与实践经验，有将相关能力从原型推向生产的成功案例；\n2、具备扎实的大模型训练与调优经验，熟练掌握SFT、RLHF、DPO等训练范式，能独立完成数据构建、训练方案设计与效果分析，参与或主导过Agent场景下的模型训练与上线；\n3、对主流Agent架构及其算法原理有深入理解，如ReAct、Plan&Execute、Reflection、Multi-Agent等，具备在真实业务中选型、落地与优化的实践经历；\n4、精通Python，具备在Linux环境下开发和维护生产级服务的经验，熟悉至少一种主流大模型应用框架（如LangGraph、LangChain、LlamaIndex），能够快速搭建和迭代Agent/RAG类应用；\n5、对大模型与Agent生态有全面认知，熟悉常见的LLM实施模式、提示工程方法、评估与检索框架，理解Multi-Agent、Context Engineering/Management、ReAct/PlanAct/CodeAct等架构思路，并了解MCP、Skill等相关交互协议，在LLM推理（如思维链、多步推理）与RAG/搜索算法方面有实际项目经验，能够利用相关技术支撑复杂搜索场景中的深层Query理解、跨Item信息融合和高质量长文本生成；\n6、具备良好的业务理解能力与抽象建模能力，善于将业务问题转化为可落地的技术方案；同时具备良好的沟通协作、跨团队推动和结果导向意识。\n1、负责规划与落地端到端Agent解决方案，完成任务拆解、执行链路设计、工具编排与多Agent协作，对产品效果、稳定性与体验整体负责；同时聚焦Agent核心能力升级，围绕工具调用精准度、长期记忆有效性和上下文理解一致性持续优化，并持续跟踪业界先进的大模型应用框架与工程实践，推动Agent开发框架和底层基础设施的演进，支撑多模型、多工具的规模化应用；\n2、负责搭建与完善大模型训练与评估流水线，组织并推进基于SFT、RLHF、DPO等范式的训练实验，沉淀高质量训练数据、评测用例和可复用的训练/评估框架，驱动AI搜索效果的持续提升；\n3、深入探索思维链、多步推理等LLM推理技术以及RAG/搜索算法，提升对复杂Query的深度理解、跨Item信息融合能力和长文本检索生成质量；\n4、持续跟进行业前沿的大模型与Agent技术趋势，将前沿方法转化为可验证实验与可落地能力，并在团队内推动最佳实践建设和经验沉淀。\n1、具备系统性理解和主导AI Agent核心能力升级的能力，对工具调用、长期记忆、上下文管理等关键问题有深入思考与实践经验，有将相关能力从原型推向生产的成功案例；\n2、具备扎实的大模型训练与调优经验，熟练掌握SFT、RLHF、DPO等训练范式，能独立完成数据构建、训练方案设计与效果分析，参与或主导过Agent场景下的模型训练与上线；\n3、对主流Agent架构及其算法原理有深入理解，如ReAct、Plan&Execute、Reflection、Multi-Agent等，具备在真实业务中选型、落地与优化的实践经历；\n4、精通Python，具备在Linux环境下开发和维护生产级服务的经验，熟悉至少一种主流大模型应用框架（如LangGraph、LangChain、LlamaIndex），能够快速搭建和迭代Agent/RAG类应用；\n5、对大模型与Agent生态有全面认知，熟悉常见的LLM实施模式、提示工程方法、评估与检索框架，理解Multi-Agent、Context Engineering/Management、ReAct/PlanAct/CodeAct等架构思路，并了解MCP、Skill等相关交互协议，在LLM推理（如思维链、多步推理）与RAG/搜索算法方面有实际项目经验，能够利用相关技术支撑复杂搜索场景中的深层Query理解、跨Item信息融合和高质量长文本生成；\n6、具备良好的业务理解能力与抽象建模能力，善于将业务问题转化为可落地的技术方案；同时具备良好的沟通协作、跨团队推动和结果导向意识。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}