{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "大模型Agent推荐算法研发工程师（推荐智能体方向） - TikTok短视频",
        "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": "计算机、人工智能、机器学习或相关专业本科及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "团队介绍：TikTok短视频算法团队，旨在为TikTok业务搭建及维护业界领先的推荐系统。加入我们，你能接触到TikTok的基础内容消费、UGC、PGC、短剧、社交、生活服务、内容创作、长期生态、内容冷启动等核心业务场景的优化，也包括TikTok用户增长的多个优化核心场景，支持产品在全球市场高速发展；同时还能为不同业务场景提供全面的算法策略解决方案，优化各项产品指标及用户体验。\n\n1、设计并实现推荐算法研发Agent，覆盖需求理解、数据分析、特征与模型诊断、实验方案生成、结果归因和迭代建议等场景，构建Agent的核心能力，包括任务规划、工具调用、上下文与记忆管理、多Agent协作、异常恢复和人机协同；\n2、将Agent接入推荐研发链路中的数据平台、实验平台、模型训练与评估系统，让复杂任务能够端到端执行，而不止停留在文本建议；\n3、建立面向算法研发任务的评测体系，衡量正确性、可执行性、效率收益、稳定性与安全边界，并通过数据和反馈持续优化；\n4、研究LLM在推荐算法场景中的应用方法，包括领域知识注入、RAG、SFT、偏好优化、推理增强及高质量轨迹数据构建；\n5、与推荐算法、平台工程和产品团队紧密协作，把真实研发痛点抽象为可复用的Agent能力与平台组件。",
        "requirements_text": "1、计算机、人工智能、机器学习或相关专业本科及以上学历，具备扎实的算法与工程基础；\n2、熟悉至少一个方向：大语言模型、Agent系统、推荐系统、搜索/广告算法、机器学习平台；\n3、理解LLM应用的关键技术，包括Prompt、RAG、Function Calling、上下文工程、评测与模型微调中的若干项；\n4、具备良好的编程能力，熟练使用Python，并能在复杂工程系统中完成设计、开发、调试和性能优化；\n5、能够把模糊问题拆解成可验证的假设、指标和实验，对结果有追根究底的习惯；\n6、有开放的技术视野和强烈的产品意识，关注最终是否解决算法工程师的真实问题，而不是只追求Demo效果。\n\n【加分项】\n1、有生产级Agent、Copilot、LLM应用平台或模型后训练项目经验；\n2、有推荐、搜索或广告系统经验，熟悉召回、排序、多目标优化、在线实验和指标归因；\n3、做过Agent评测、轨迹数据合成、强化学习或复杂工具调用，对可靠性和可观测性有实践经验；\n4、参与过高质量开源项目，或在LLM、Agent、推荐系统相关方向发表过论文；\n5、有从0到1推动新技术落地的经历，能在不确定性中快速找到可验证路径。",
        "skills": [AI生成
            "Python",
            "机器学习",
            "强化学习",
            "模型微调",
            "性能优化",
            "可靠性",
            "大语言模型",
            "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/7675217746988222773/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7675217746988222773",
        "post_date": "2026-08-18",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/experienced/position/7675217746988222773/detail"
    },
    "fulltext": "大模型Agent推荐算法研发工程师（推荐智能体方向） - TikTok短视频\n职位描述\n团队介绍：TikTok短视频算法团队，旨在为TikTok业务搭建及维护业界领先的推荐系统。加入我们，你能接触到TikTok的基础内容消费、UGC、PGC、短剧、社交、生活服务、内容创作、长期生态、内容冷启动等核心业务场景的优化，也包括TikTok用户增长的多个优化核心场景，支持产品在全球市场高速发展；同时还能为不同业务场景提供全面的算法策略解决方案，优化各项产品指标及用户体验。\n\n1、设计并实现推荐算法研发Agent，覆盖需求理解、数据分析、特征与模型诊断、实验方案生成、结果归因和迭代建议等场景，构建Agent的核心能力，包括任务规划、工具调用、上下文与记忆管理、多Agent协作、异常恢复和人机协同；\n2、将Agent接入推荐研发链路中的数据平台、实验平台、模型训练与评估系统，让复杂任务能够端到端执行，而不止停留在文本建议；\n3、建立面向算法研发任务的评测体系，衡量正确性、可执行性、效率收益、稳定性与安全边界，并通过数据和反馈持续优化；\n4、研究LLM在推荐算法场景中的应用方法，包括领域知识注入、RAG、SFT、偏好优化、推理增强及高质量轨迹数据构建；\n5、与推荐算法、平台工程和产品团队紧密协作，把真实研发痛点抽象为可复用的Agent能力与平台组件。\n\n职位要求\n1、计算机、人工智能、机器学习或相关专业本科及以上学历，具备扎实的算法与工程基础；\n2、熟悉至少一个方向：大语言模型、Agent系统、推荐系统、搜索/广告算法、机器学习平台；\n3、理解LLM应用的关键技术，包括Prompt、RAG、Function Calling、上下文工程、评测与模型微调中的若干项；\n4、具备良好的编程能力，熟练使用Python，并能在复杂工程系统中完成设计、开发、调试和性能优化；\n5、能够把模糊问题拆解成可验证的假设、指标和实验，对结果有追根究底的习惯；\n6、有开放的技术视野和强烈的产品意识，关注最终是否解决算法工程师的真实问题，而不是只追求Demo效果。\n\n【加分项】\n1、有生产级Agent、Copilot、LLM应用平台或模型后训练项目经验；\n2、有推荐、搜索或广告系统经验，熟悉召回、排序、多目标优化、在线实验和指标归因；\n3、做过Agent评测、轨迹数据合成、强化学习或复杂工具调用，对可靠性和可观测性有实践经验；\n4、参与过高质量开源项目，或在LLM、Agent、推荐系统相关方向发表过论文；\n5、有从0到1推动新技术落地的经历，能在不确定性中快速找到可验证路径。\n团队介绍：TikTok短视频算法团队，旨在为TikTok业务搭建及维护业界领先的推荐系统。加入我们，你能接触到TikTok的基础内容消费、UGC、PGC、短剧、社交、生活服务、内容创作、长期生态、内容冷启动等核心业务场景的优化，也包括TikTok用户增长的多个优化核心场景，支持产品在全球市场高速发展；同时还能为不同业务场景提供全面的算法策略解决方案，优化各项产品指标及用户体验。\n\n1、设计并实现推荐算法研发Agent，覆盖需求理解、数据分析、特征与模型诊断、实验方案生成、结果归因和迭代建议等场景，构建Agent的核心能力，包括任务规划、工具调用、上下文与记忆管理、多Agent协作、异常恢复和人机协同；\n2、将Agent接入推荐研发链路中的数据平台、实验平台、模型训练与评估系统，让复杂任务能够端到端执行，而不止停留在文本建议；\n3、建立面向算法研发任务的评测体系，衡量正确性、可执行性、效率收益、稳定性与安全边界，并通过数据和反馈持续优化；\n4、研究LLM在推荐算法场景中的应用方法，包括领域知识注入、RAG、SFT、偏好优化、推理增强及高质量轨迹数据构建；\n5、与推荐算法、平台工程和产品团队紧密协作，把真实研发痛点抽象为可复用的Agent能力与平台组件。\n1、计算机、人工智能、机器学习或相关专业本科及以上学历，具备扎实的算法与工程基础；\n2、熟悉至少一个方向：大语言模型、Agent系统、推荐系统、搜索/广告算法、机器学习平台；\n3、理解LLM应用的关键技术，包括Prompt、RAG、Function Calling、上下文工程、评测与模型微调中的若干项；\n4、具备良好的编程能力，熟练使用Python，并能在复杂工程系统中完成设计、开发、调试和性能优化；\n5、能够把模糊问题拆解成可验证的假设、指标和实验，对结果有追根究底的习惯；\n6、有开放的技术视野和强烈的产品意识，关注最终是否解决算法工程师的真实问题，而不是只追求Demo效果。\n\n【加分项】\n1、有生产级Agent、Copilot、LLM应用平台或模型后训练项目经验；\n2、有推荐、搜索或广告系统经验，熟悉召回、排序、多目标优化、在线实验和指标归因；\n3、做过Agent评测、轨迹数据合成、强化学习或复杂工具调用，对可靠性和可观测性有实践经验；\n4、参与过高质量开源项目，或在LLM、Agent、推荐系统相关方向发表过论文；\n5、有从0到1推动新技术落地的经历，能在不确定性中快速找到可验证路径。",
    "standard_classification": {
        "std_category_code": "T009",
        "std_aux_codes": [
            "T015"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}