主分类:Agent系统开发
辅助:数据工程与数据平台研发(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研发(可靠性方向)实习生 - 小荷健康",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "未披露",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "算法"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": "2027届本科及以上学历在读",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "团队介绍:小荷健康是字节跳动旗下的医疗健康品牌,我们致力于利用大模型技术,探索医疗健康服务的新范式,孵化了“小荷AI医生”app,为用户提供专业的健康咨询服务。小荷健康拥有专业的医学和互联网产研团队,认真探索AI医疗。\n\nByteIntern:面向2027届毕业生(2026年9月-2027年8月期间毕业),为符合岗位要求的同学提供转正机会。\n\n1、建设医疗AI的生产系统底座,包括但不限于模型调用、工具调用、记忆管理、知识体系、反馈链路、工作流引擎和状态流转,支撑多模态、多轮交互和连续健康管理等复杂任务的稳定运行;\n2、构建面向医疗任务的Agent与LLM Harness,将任务编排、工具调用、证据组织、状态管理、路由策略与人机协作边界落地为可运行的系统框架,对端到端链路的效率、稳定性和质量负责;\n3、建设知识与证据体系的生产实现,包括但不限于医学知识更新、RAG、claim verification、evidence retrieval、来源追踪和结果审计,使医学依据能够被模型调用、被系统记录、被产品链路使用;\n4、建设真实世界反馈与数据链路,面向用户交互、医学审核、运营反馈和模型输出,构建数据采集、清洗、归因、回流和监控能力,将生产系统中的发现反哺给算法、数据和产品迭代,同时建设并维护满足严格隐私、安全、合规要求的数据Pipeline与服务,持续调试、优化、加固系统,支撑高可用、高性能与规模化运行;\n5、在由算法、研发、产品、运营和医学等角色组成的跨职能团队中协作,把算法能力、知识体系和LLM Harness转化为稳定的生产系统,支持模型迭代和产品演进。",
"requirements_text": "1、2027届本科及以上学历在读,计算机、软件工程、人工智能或相关专业背景;\n2、在以下任一方向有可证明的项目、研究或工程产出:LLM应用与Agent工程,包括生产级LLM系统、Agent Workflow、RAG Pipeline、Tool Use或Memory机制;平台与基础设施,包括工作流引擎、状态管理、可观测性、服务治理或内部平台;数据与检索系统,包括大规模数据Pipeline、检索系统、日志分析、反馈回流或评测基础设施;\n3、理解LLM与Agent的工程化挑战,能够将复杂业务流程抽象为可执行、可监控、可维护的Agent Workflow或系统链路;\n4、熟悉至少一种主流后端语言,有扎实的工程实践能力,能够快速上手团队技术栈,独立推进从问题定义、系统设计、实现到调试优化的完整流程;\n5、具备良好的系统意识和主人翁精神,能够在跨职能团队中从研发视角推动复杂问题落地。\n\n加分项\n1、在医疗、风控、内容安全等对准确率与安全性要求高的垂域有落地经验;\n2、有从0到1搭建内部平台或工具链的经验;\n3、有Agent工程化的实战经验(自研框架或主流框架皆可);\n4、有合规、审计、风控类系统开发经验;\n5、有高并发、大数据量系统的架构经验;\n6、在LLM应用、Agent工程、RAG系统等方向有公开工作或开源贡献。",
"skills": [AI生成
"审计",
"检索增强生成"
],
"preferred_qualifications": "加分项",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/campus/position/7642255268450273541/detail"
}
]
},
"posting": {
"posting_id": "7642255268450273541",
"post_date": "2026-05-21",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/campus/position/7642255268450273541/detail"
},
"fulltext": "Agent研发(可靠性方向)实习生 - 小荷健康\n职位描述\n团队介绍:小荷健康是字节跳动旗下的医疗健康品牌,我们致力于利用大模型技术,探索医疗健康服务的新范式,孵化了“小荷AI医生”app,为用户提供专业的健康咨询服务。小荷健康拥有专业的医学和互联网产研团队,认真探索AI医疗。\n\nByteIntern:面向2027届毕业生(2026年9月-2027年8月期间毕业),为符合岗位要求的同学提供转正机会。\n\n1、建设医疗AI的生产系统底座,包括但不限于模型调用、工具调用、记忆管理、知识体系、反馈链路、工作流引擎和状态流转,支撑多模态、多轮交互和连续健康管理等复杂任务的稳定运行;\n2、构建面向医疗任务的Agent与LLM Harness,将任务编排、工具调用、证据组织、状态管理、路由策略与人机协作边界落地为可运行的系统框架,对端到端链路的效率、稳定性和质量负责;\n3、建设知识与证据体系的生产实现,包括但不限于医学知识更新、RAG、claim verification、evidence retrieval、来源追踪和结果审计,使医学依据能够被模型调用、被系统记录、被产品链路使用;\n4、建设真实世界反馈与数据链路,面向用户交互、医学审核、运营反馈和模型输出,构建数据采集、清洗、归因、回流和监控能力,将生产系统中的发现反哺给算法、数据和产品迭代,同时建设并维护满足严格隐私、安全、合规要求的数据Pipeline与服务,持续调试、优化、加固系统,支撑高可用、高性能与规模化运行;\n5、在由算法、研发、产品、运营和医学等角色组成的跨职能团队中协作,把算法能力、知识体系和LLM Harness转化为稳定的生产系统,支持模型迭代和产品演进。\n\n职位要求\n1、2027届本科及以上学历在读,计算机、软件工程、人工智能或相关专业背景;\n2、在以下任一方向有可证明的项目、研究或工程产出:LLM应用与Agent工程,包括生产级LLM系统、Agent Workflow、RAG Pipeline、Tool Use或Memory机制;平台与基础设施,包括工作流引擎、状态管理、可观测性、服务治理或内部平台;数据与检索系统,包括大规模数据Pipeline、检索系统、日志分析、反馈回流或评测基础设施;\n3、理解LLM与Agent的工程化挑战,能够将复杂业务流程抽象为可执行、可监控、可维护的Agent Workflow或系统链路;\n4、熟悉至少一种主流后端语言,有扎实的工程实践能力,能够快速上手团队技术栈,独立推进从问题定义、系统设计、实现到调试优化的完整流程;\n5、具备良好的系统意识和主人翁精神,能够在跨职能团队中从研发视角推动复杂问题落地。\n\n加分项\n1、在医疗、风控、内容安全等对准确率与安全性要求高的垂域有落地经验;\n2、有从0到1搭建内部平台或工具链的经验;\n3、有Agent工程化的实战经验(自研框架或主流框架皆可);\n4、有合规、审计、风控类系统开发经验;\n5、有高并发、大数据量系统的架构经验;\n6、在LLM应用、Agent工程、RAG系统等方向有公开工作或开源贡献。\n团队介绍:小荷健康是字节跳动旗下的医疗健康品牌,我们致力于利用大模型技术,探索医疗健康服务的新范式,孵化了“小荷AI医生”app,为用户提供专业的健康咨询服务。小荷健康拥有专业的医学和互联网产研团队,认真探索AI医疗。\n\nByteIntern:面向2027届毕业生(2026年9月-2027年8月期间毕业),为符合岗位要求的同学提供转正机会。\n\n1、建设医疗AI的生产系统底座,包括但不限于模型调用、工具调用、记忆管理、知识体系、反馈链路、工作流引擎和状态流转,支撑多模态、多轮交互和连续健康管理等复杂任务的稳定运行;\n2、构建面向医疗任务的Agent与LLM Harness,将任务编排、工具调用、证据组织、状态管理、路由策略与人机协作边界落地为可运行的系统框架,对端到端链路的效率、稳定性和质量负责;\n3、建设知识与证据体系的生产实现,包括但不限于医学知识更新、RAG、claim verification、evidence retrieval、来源追踪和结果审计,使医学依据能够被模型调用、被系统记录、被产品链路使用;\n4、建设真实世界反馈与数据链路,面向用户交互、医学审核、运营反馈和模型输出,构建数据采集、清洗、归因、回流和监控能力,将生产系统中的发现反哺给算法、数据和产品迭代,同时建设并维护满足严格隐私、安全、合规要求的数据Pipeline与服务,持续调试、优化、加固系统,支撑高可用、高性能与规模化运行;\n5、在由算法、研发、产品、运营和医学等角色组成的跨职能团队中协作,把算法能力、知识体系和LLM Harness转化为稳定的生产系统,支持模型迭代和产品演进。\n1、2027届本科及以上学历在读,计算机、软件工程、人工智能或相关专业背景;\n2、在以下任一方向有可证明的项目、研究或工程产出:LLM应用与Agent工程,包括生产级LLM系统、Agent Workflow、RAG Pipeline、Tool Use或Memory机制;平台与基础设施,包括工作流引擎、状态管理、可观测性、服务治理或内部平台;数据与检索系统,包括大规模数据Pipeline、检索系统、日志分析、反馈回流或评测基础设施;\n3、理解LLM与Agent的工程化挑战,能够将复杂业务流程抽象为可执行、可监控、可维护的Agent Workflow或系统链路;\n4、熟悉至少一种主流后端语言,有扎实的工程实践能力,能够快速上手团队技术栈,独立推进从问题定义、系统设计、实现到调试优化的完整流程;\n5、具备良好的系统意识和主人翁精神,能够在跨职能团队中从研发视角推动复杂问题落地。\n\n加分项\n1、在医疗、风控、内容安全等对准确率与安全性要求高的垂域有落地经验;\n2、有从0到1搭建内部平台或工具链的经验;\n3、有Agent工程化的实战经验(自研框架或主流框架皆可);\n4、有合规、审计、风控类系统开发经验;\n5、有高并发、大数据量系统的架构经验;\n6、在LLM应用、Agent工程、RAG系统等方向有公开工作或开源贡献。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T016"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}