{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "AI Agent开发工程师（AI基础能力）-集团信息系统",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "深圳、北京",
        "work_mode": "未披露",AI生成
        "job_category": "后端"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": 5,
        "degree": "未披露",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、负责AI应用底座中上下文层（Context Layer）的架构设计与端到端交付；该层是大模型应用的“认知中枢”，承担上下文的组装、压缩、路由、检索、记忆与结构化数据接入，直接决定上层Agent的推理质量、响应速度与成本；候选人需同时具备系统架构能力与LLM工程化落地经验，主导Context Layer建设与规模化演进；\n2、设计并落地统一的上下文拼装、压缩与路由框架，作为所有Agent/Copilot调用大模型前的标准入口，定义上下文Schema、优先级策略，在有限上下文窗口内最大化信息密度；\n3、构建上下文压缩管线：滑动窗口、语义摘要、结构化抽取、冗余剔除多策略组合；\n4、实现智能路由：根据任务类型、模型能力、延迟与成本约束，动态分发至不同RAG源、Memory层、工具调用；\n5、提供标准化SDK/API/Skills/CLI等，支撑AI应用接入，保障准确度和SLA。",
        "requirements_text": "1、计算机、数据挖掘、AI相关专业，5年以上研发经验，其中3年以上平台或基础架构主导经验；\n2、深入理解LLM应用架构：Prompt Engineering、Context Engineering、Agent Framework、Tool Use；\n3、精通RAG全链路：解析、Embedding、向量库（Milvus/Faiss/等）、混合检索、Rerank；\n4、具备分布式系统、在线服务、存储与检索系统的工程化落地经验，熟悉高可用、低延迟、成本治理；\n5、精通至少一门主流语言（Go/Python/Java/Rust），具备扎实的数据结构与算法能力；\n6、强结果导向与交付能力，能在复杂需求下做出清晰的技术取舍；具备平台化思维，能够抽象共性、建设长期资产，而非一次性交付；优秀的跨团队协作与向上沟通能力，能牵引算法、工程、产品、数据多方对齐。\n\n加分\n1、主导过企业级Context Service或Memory系统建设；\n2、在NL2SQL/DSL、Semantic Layer、数据资产治理领域有成功落地案例；\n3、熟悉湖仓一体、元数据治理、敏感字段检测、数据权限管理；\n4、具有成功中台产品建设经验。",
        "skills": [AI生成
            "Python",
            "Java",
            "Rust",
            "数据结构",
            "分布式系统",
            "数据挖掘",
            "数据治理",
            "团队协作",
            "沟通能力",
            "Go"
        ],
        "preferred_qualifications": "加分",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://jobs.bytedance.com/experienced/position/7678966011378436357/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7678966011378436357",
        "post_date": "2026-08-28",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/experienced/position/7678966011378436357/detail"
    },
    "fulltext": "AI Agent开发工程师（AI基础能力）-集团信息系统\n职位描述\n1、负责AI应用底座中上下文层（Context Layer）的架构设计与端到端交付；该层是大模型应用的“认知中枢”，承担上下文的组装、压缩、路由、检索、记忆与结构化数据接入，直接决定上层Agent的推理质量、响应速度与成本；候选人需同时具备系统架构能力与LLM工程化落地经验，主导Context Layer建设与规模化演进；\n2、设计并落地统一的上下文拼装、压缩与路由框架，作为所有Agent/Copilot调用大模型前的标准入口，定义上下文Schema、优先级策略，在有限上下文窗口内最大化信息密度；\n3、构建上下文压缩管线：滑动窗口、语义摘要、结构化抽取、冗余剔除多策略组合；\n4、实现智能路由：根据任务类型、模型能力、延迟与成本约束，动态分发至不同RAG源、Memory层、工具调用；\n5、提供标准化SDK/API/Skills/CLI等，支撑AI应用接入，保障准确度和SLA。\n\n职位要求\n1、计算机、数据挖掘、AI相关专业，5年以上研发经验，其中3年以上平台或基础架构主导经验；\n2、深入理解LLM应用架构：Prompt Engineering、Context Engineering、Agent Framework、Tool Use；\n3、精通RAG全链路：解析、Embedding、向量库（Milvus/Faiss/等）、混合检索、Rerank；\n4、具备分布式系统、在线服务、存储与检索系统的工程化落地经验，熟悉高可用、低延迟、成本治理；\n5、精通至少一门主流语言（Go/Python/Java/Rust），具备扎实的数据结构与算法能力；\n6、强结果导向与交付能力，能在复杂需求下做出清晰的技术取舍；具备平台化思维，能够抽象共性、建设长期资产，而非一次性交付；优秀的跨团队协作与向上沟通能力，能牵引算法、工程、产品、数据多方对齐。\n\n加分\n1、主导过企业级Context Service或Memory系统建设；\n2、在NL2SQL/DSL、Semantic Layer、数据资产治理领域有成功落地案例；\n3、熟悉湖仓一体、元数据治理、敏感字段检测、数据权限管理；\n4、具有成功中台产品建设经验。\n1、负责AI应用底座中上下文层（Context Layer）的架构设计与端到端交付；该层是大模型应用的“认知中枢”，承担上下文的组装、压缩、路由、检索、记忆与结构化数据接入，直接决定上层Agent的推理质量、响应速度与成本；候选人需同时具备系统架构能力与LLM工程化落地经验，主导Context Layer建设与规模化演进；\n2、设计并落地统一的上下文拼装、压缩与路由框架，作为所有Agent/Copilot调用大模型前的标准入口，定义上下文Schema、优先级策略，在有限上下文窗口内最大化信息密度；\n3、构建上下文压缩管线：滑动窗口、语义摘要、结构化抽取、冗余剔除多策略组合；\n4、实现智能路由：根据任务类型、模型能力、延迟与成本约束，动态分发至不同RAG源、Memory层、工具调用；\n5、提供标准化SDK/API/Skills/CLI等，支撑AI应用接入，保障准确度和SLA。\n1、计算机、数据挖掘、AI相关专业，5年以上研发经验，其中3年以上平台或基础架构主导经验；\n2、深入理解LLM应用架构：Prompt Engineering、Context Engineering、Agent Framework、Tool Use；\n3、精通RAG全链路：解析、Embedding、向量库（Milvus/Faiss/等）、混合检索、Rerank；\n4、具备分布式系统、在线服务、存储与检索系统的工程化落地经验，熟悉高可用、低延迟、成本治理；\n5、精通至少一门主流语言（Go/Python/Java/Rust），具备扎实的数据结构与算法能力；\n6、强结果导向与交付能力，能在复杂需求下做出清晰的技术取舍；具备平台化思维，能够抽象共性、建设长期资产，而非一次性交付；优秀的跨团队协作与向上沟通能力，能牵引算法、工程、产品、数据多方对齐。\n\n加分\n1、主导过企业级Context Service或Memory系统建设；\n2、在NL2SQL/DSL、Semantic Layer、数据资产治理领域有成功落地案例；\n3、熟悉湖仓一体、元数据治理、敏感字段检测、数据权限管理；\n4、具有成功中台产品建设经验。",
    "standard_classification": {
        "std_category_code": "T009",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}