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算法专家-国际化电商",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "上海",
"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、构建电商Agent大脑与技术追踪：探索主流Agent框架，如LangGraph、OpenClaw、Hermes、Codex、Claude Code等，构建稳定可靠的Valley-Agent基座，重点提升任务的自动规划与调度、工具调用、多模态交互及深度研究能力；持续追踪AI Agent领域的最新进展（如Codex、OpenClaw、Hermes、ClaudeCode等），引入并验证新技术的可行性，沉淀技术文档与最佳实践，推动前沿技术在国际电商治理场景的创新应用；\n2、打造电商场景Skills工具集：基于电商业务系统，构建和优化一系列高性能、可复用的Skills；这包括利用小尺寸模型打造支撑高QPS场景的基础模型工具集，也包括将复杂的业务SOP（标准作业程序）封装为稳定可调用的治理Agent（如审核、RCA、立规Agent）；\n3、研发与优化Agentic RL：基于主流Agent框架，并结合Post-training技术（SFT、RLHF）与强化学习（PPO、GRPO）对模型进行持续优化，建立电商大模型的Agentic RL训练体系，提升模型在复杂问题上的准确率与动态反思能力；\n4、探索Agent自动化与自进化：结合Auto-Workflow与多智能体系统（MAS），一方面支持工作流的自动生成与优化，另一方面探索基于Agentic RAG和Memory机制的自进化（Self-Evolution）闭环，让Agent能够从真实交互数据中学习，持续提升其决策与执行能力；\n5、构建稳定可靠的Agent基础设施：负责Agent系统的性能与稳定性优化，包括资源利用、QPS、成本控制、环境交互速度等，并沉淀通用能力，构建包含可观测性与权限体系的Agent Infra，保障系统的安全可控。",
"requirements_text": "1、精通Python编程，具备生产级应用的开发经验，熟悉Linux开发环境，并对数据结构和算法有深入理解；\n2、熟悉至少一种主流Agent框架，如LangGraph、OpenClaw、Hermes、Codex、Claude Code等，并有实际项目经验；\n3、深刻理解大模型（LLM）与AI Agent的核心原理，熟悉主流Agent架构（如ReAct/PlanAct）、多智能体系统（Multi-Agent）及上下文工程与记忆（Context Engineering/Memory）等概念；\n4、具备AI算法背景，对SFT、RLHF等Post-training技术有深入了解，有针对性优化模型能力的实践经验者优先；\n5、具备出色的技术沟通、项目管理和跨团队协同能力，能够撰写清晰的技术文档、教程和示例代码；\n6、对技术充满热情，具备优秀的分析和解决问题能力，能够主动追踪前沿技术并探索其在业务中的应用。\n\n加分项\n1、在电商、内容风控、平台治理等领域有相关算法或研发经验；在强化学习领域有深入研究或实践经验，如Policy-based/Value-based Methods、PPO、GRPO等；\n2、熟悉多模态（Multi-modal）推理技术，并有相关项目落地经验；对Agent安全（Safety）、成本优化、性能（QPS/稳定性）有深入思考或实践经验；\n3、在ICML、ICLR、NeurIPS、ACL、CVPR等学术会议上发表过有影响力的研究成果，或在ACM/ICPC、NOI/IOI、Kaggle等竞赛中获奖者；熟悉全球主流大模型服务及API，有设计并落地复杂Agent系统的经验。",
"skills": [AI生成
"Python",
"Linux",
"React",
"强化学习",
"数据结构",
"项目管理",
"解决问题",
"大语言模型",
"智能体开发"
],
"preferred_qualifications": "4、具备AI算法背景，对SFT、RLHF等Post-training技术有深入了解，有针对性优化模型能力的实践经验者优先；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/7649590610229954821/detail"
}
]
},
"posting": {
"posting_id": "7649590610229954821",
"post_date": "2026-06-10",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7649590610229954821/detail"
},
"fulltext": "AI Agent算法专家-国际化电商\n职位描述\n1、构建电商Agent大脑与技术追踪：探索主流Agent框架，如LangGraph、OpenClaw、Hermes、Codex、Claude Code等，构建稳定可靠的Valley-Agent基座，重点提升任务的自动规划与调度、工具调用、多模态交互及深度研究能力；持续追踪AI Agent领域的最新进展（如Codex、OpenClaw、Hermes、ClaudeCode等），引入并验证新技术的可行性，沉淀技术文档与最佳实践，推动前沿技术在国际电商治理场景的创新应用；\n2、打造电商场景Skills工具集：基于电商业务系统，构建和优化一系列高性能、可复用的Skills；这包括利用小尺寸模型打造支撑高QPS场景的基础模型工具集，也包括将复杂的业务SOP（标准作业程序）封装为稳定可调用的治理Agent（如审核、RCA、立规Agent）；\n3、研发与优化Agentic RL：基于主流Agent框架，并结合Post-training技术（SFT、RLHF）与强化学习（PPO、GRPO）对模型进行持续优化，建立电商大模型的Agentic RL训练体系，提升模型在复杂问题上的准确率与动态反思能力；\n4、探索Agent自动化与自进化：结合Auto-Workflow与多智能体系统（MAS），一方面支持工作流的自动生成与优化，另一方面探索基于Agentic RAG和Memory机制的自进化（Self-Evolution）闭环，让Agent能够从真实交互数据中学习，持续提升其决策与执行能力；\n5、构建稳定可靠的Agent基础设施：负责Agent系统的性能与稳定性优化，包括资源利用、QPS、成本控制、环境交互速度等，并沉淀通用能力，构建包含可观测性与权限体系的Agent Infra，保障系统的安全可控。\n\n职位要求\n1、精通Python编程，具备生产级应用的开发经验，熟悉Linux开发环境，并对数据结构和算法有深入理解；\n2、熟悉至少一种主流Agent框架，如LangGraph、OpenClaw、Hermes、Codex、Claude Code等，并有实际项目经验；\n3、深刻理解大模型（LLM）与AI Agent的核心原理，熟悉主流Agent架构（如ReAct/PlanAct）、多智能体系统（Multi-Agent）及上下文工程与记忆（Context Engineering/Memory）等概念；\n4、具备AI算法背景，对SFT、RLHF等Post-training技术有深入了解，有针对性优化模型能力的实践经验者优先；\n5、具备出色的技术沟通、项目管理和跨团队协同能力，能够撰写清晰的技术文档、教程和示例代码；\n6、对技术充满热情，具备优秀的分析和解决问题能力，能够主动追踪前沿技术并探索其在业务中的应用。\n\n加分项\n1、在电商、内容风控、平台治理等领域有相关算法或研发经验；在强化学习领域有深入研究或实践经验，如Policy-based/Value-based Methods、PPO、GRPO等；\n2、熟悉多模态（Multi-modal）推理技术，并有相关项目落地经验；对Agent安全（Safety）、成本优化、性能（QPS/稳定性）有深入思考或实践经验；\n3、在ICML、ICLR、NeurIPS、ACL、CVPR等学术会议上发表过有影响力的研究成果，或在ACM/ICPC、NOI/IOI、Kaggle等竞赛中获奖者；熟悉全球主流大模型服务及API，有设计并落地复杂Agent系统的经验。\n1、构建电商Agent大脑与技术追踪：探索主流Agent框架，如LangGraph、OpenClaw、Hermes、Codex、Claude Code等，构建稳定可靠的Valley-Agent基座，重点提升任务的自动规划与调度、工具调用、多模态交互及深度研究能力；持续追踪AI Agent领域的最新进展（如Codex、OpenClaw、Hermes、ClaudeCode等），引入并验证新技术的可行性，沉淀技术文档与最佳实践，推动前沿技术在国际电商治理场景的创新应用；\n2、打造电商场景Skills工具集：基于电商业务系统，构建和优化一系列高性能、可复用的Skills；这包括利用小尺寸模型打造支撑高QPS场景的基础模型工具集，也包括将复杂的业务SOP（标准作业程序）封装为稳定可调用的治理Agent（如审核、RCA、立规Agent）；\n3、研发与优化Agentic RL：基于主流Agent框架，并结合Post-training技术（SFT、RLHF）与强化学习（PPO、GRPO）对模型进行持续优化，建立电商大模型的Agentic RL训练体系，提升模型在复杂问题上的准确率与动态反思能力；\n4、探索Agent自动化与自进化：结合Auto-Workflow与多智能体系统（MAS），一方面支持工作流的自动生成与优化，另一方面探索基于Agentic RAG和Memory机制的自进化（Self-Evolution）闭环，让Agent能够从真实交互数据中学习，持续提升其决策与执行能力；\n5、构建稳定可靠的Agent基础设施：负责Agent系统的性能与稳定性优化，包括资源利用、QPS、成本控制、环境交互速度等，并沉淀通用能力，构建包含可观测性与权限体系的Agent Infra，保障系统的安全可控。\n1、精通Python编程，具备生产级应用的开发经验，熟悉Linux开发环境，并对数据结构和算法有深入理解；\n2、熟悉至少一种主流Agent框架，如LangGraph、OpenClaw、Hermes、Codex、Claude Code等，并有实际项目经验；\n3、深刻理解大模型（LLM）与AI Agent的核心原理，熟悉主流Agent架构（如ReAct/PlanAct）、多智能体系统（Multi-Agent）及上下文工程与记忆（Context Engineering/Memory）等概念；\n4、具备AI算法背景，对SFT、RLHF等Post-training技术有深入了解，有针对性优化模型能力的实践经验者优先；\n5、具备出色的技术沟通、项目管理和跨团队协同能力，能够撰写清晰的技术文档、教程和示例代码；\n6、对技术充满热情，具备优秀的分析和解决问题能力，能够主动追踪前沿技术并探索其在业务中的应用。\n\n加分项\n1、在电商、内容风控、平台治理等领域有相关算法或研发经验；在强化学习领域有深入研究或实践经验，如Policy-based/Value-based Methods、PPO、GRPO等；\n2、熟悉多模态（Multi-modal）推理技术，并有相关项目落地经验；对Agent安全（Safety）、成本优化、性能（QPS/稳定性）有深入思考或实践经验；\n3、在ICML、ICLR、NeurIPS、ACL、CVPR等学术会议上发表过有影响力的研究成果，或在ACM/ICPC、NOI/IOI、Kaggle等竞赛中获奖者；熟悉全球主流大模型服务及API，有设计并落地复杂Agent系统的经验。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}