{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "Agent研发工程师（可靠性方向）-小荷健康",
        "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": "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": "未披露",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、构建医疗AI核心系统框架：建设生产系统底座（包括模型调用、Tool调用、Memory管理、知识体系、反馈链路、Workflow引擎和状态流转），构建面向医疗任务的Agent与LLM Harness（包括任务编排、证据组织、状态管理、路由策略和人机协作边界），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，对端到端链路的效率、稳定性和质量负责；\n2、建设知识与证据体系：实现医学知识更新、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；\n3、建设Data与反馈体系：面向用户交互、医学审核、运营反馈和模型输出，构建Data采集、清洗、归因、回流和监控能力，建设并维护满足严格隐私、安全、合规要求的Data 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，将生产系统中的发现反哺给算法、Data和产品迭代；\n4、跨职能团队协作：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、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；有Agent工程化的实战经验（自研框架或主流框架皆可）；\n3、有合规、审计、风控类系统开发经验；有高并发、大数据量系统的架构经验；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/experienced/position/7642262015776344373/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7642262015776344373",
        "post_date": "2026-05-21",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/experienced/position/7642262015776344373/detail"
    },
    "fulltext": "Agent研发工程师（可靠性方向）-小荷健康\n职位描述\n1、构建医疗AI核心系统框架：建设生产系统底座（包括模型调用、Tool调用、Memory管理、知识体系、反馈链路、Workflow引擎和状态流转），构建面向医疗任务的Agent与LLM Harness（包括任务编排、证据组织、状态管理、路由策略和人机协作边界），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，对端到端链路的效率、稳定性和质量负责；\n2、建设知识与证据体系：实现医学知识更新、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；\n3、建设Data与反馈体系：面向用户交互、医学审核、运营反馈和模型输出，构建Data采集、清洗、归因、回流和监控能力，建设并维护满足严格隐私、安全、合规要求的Data 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，将生产系统中的发现反哺给算法、Data和产品迭代；\n4、跨职能团队协作：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、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；有Agent工程化的实战经验（自研框架或主流框架皆可）；\n3、有合规、审计、风控类系统开发经验；有高并发、大数据量系统的架构经验；在LLM应用、Agent工程、RAG系统等方向有公开工作或开源贡献。\n1、构建医疗AI核心系统框架：建设生产系统底座（包括模型调用、Tool调用、Memory管理、知识体系、反馈链路、Workflow引擎和状态流转），构建面向医疗任务的Agent与LLM Harness（包括任务编排、证据组织、状态管理、路由策略和人机协作边界），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，对端到端链路的效率、稳定性和质量负责；\n2、建设知识与证据体系：实现医学知识更新、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；\n3、建设Data与反馈体系：面向用户交互、医学审核、运营反馈和模型输出，构建Data采集、清洗、归因、回流和监控能力，建设并维护满足严格隐私、安全、合规要求的Data 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，将生产系统中的发现反哺给算法、Data和产品迭代；\n4、跨职能团队协作：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、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；有Agent工程化的实战经验（自研框架或主流框架皆可）；\n3、有合规、审计、风控类系统开发经验；有高并发、大数据量系统的架构经验；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"
    }
}