主分类：Agent系统开发
辅助：AI模型评测工程（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/工程师-抖音研发（北京）",
"job_level": "专家",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": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、负责Agent运行时框架的设计与开发，实现任务规划、推理决策、工具调用、多轮对话管理等基础能力；\n2、设计Agent的标准化能力层，包括Skill的协议定义、生命周期管理、权限隔离与组合编排；通过标准协议实现Agent与外部系统的深度集成，持续拓展能力边界；\n3、构建「执行→反馈→分析→优化」的自进化闭环，通过轨迹分析自动识别薄弱环节，驱动Skill迭代、策略调优与能力自适应更新；\n4、构建多维评测框架，综合确定性校验、模型裁判与人工抽检的混合评估策略；建设回归测试与实验能力，为迭代效果提供量化保障；\n5、设计系统级上下文管理架构，解决长任务中的信息过载与注意力分散问题；构建分层记忆与动态裁剪机制，在有限窗口内最大化推理质量；负责RAG系统的架构设计与优化，包括多源知识治理、检索策略优化、知识图谱与质量评估；探索知识从被动检索到主动能力固化的升级路径；设计多智能体协作架构，实现任务拆解、并行调度与结果聚合，定义Agent间的通信协议与冲突解决机制；以AI原生思路重构业务工作流，将人工流程升级为Agent驱动的自动化链路，持续探索新场景中的产品形态。",
"requirements_text": "1、本科及以上学历，计算机、软件工程、人工智能等相关专业，硕士学位优先；\n2、熟练掌握Python，同时熟悉Go/Nodejs/TypeScript中至少一门，具备良好的系统设计能力；\n3、熟悉主流大模型的能力边界、API调用与Prompt工程实践；\n4、理解Agent Loop、ReAct、Plan-and-Execute等主流架构模式；\n5、优秀的逻辑思维，善于将复杂场景拆解为可落地方案；\n6、良好的协作与沟通能力。\n\n优先条件（任一即加分）：\n1、有Agent评测体系搭建经验，熟悉混合评估方法，或有LLM微调、模型评测经验；\n2、有Agent自进化、数据飞轮系统设计经验，或上下文工程、分层记忆系统实践经验；\n3、有Multi-Agent编排框架实际项目经验；\n4、有RAG系统建设经验，熟悉向量检索与知识图谱，或熟悉MCP、Function Calling等工具集成协议；\n5、有研发效能工具或AI Coding产品开发经验；\n6、在Agent/LLM领域有开源贡献或论文发表。",
"skills": [AI生成
"Python",
"TypeScript",
"React",
"知识图谱",
"沟通能力",
"逻辑思维",
"大语言模型"
],
"preferred_qualifications": "1、本科及以上学历，计算机、软件工程、人工智能等相关专业，硕士学位优先；优先条件（任一即加分）：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7343197478421186866/detail"
}
]
},
"posting": {
"posting_id": "7343197478421186866",
"post_date": "2024-03-06",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7343197478421186866/detail"
},
"fulltext": "AI Agent算法专家/工程师-抖音研发（北京）\n职位描述\n1、负责Agent运行时框架的设计与开发，实现任务规划、推理决策、工具调用、多轮对话管理等基础能力；\n2、设计Agent的标准化能力层，包括Skill的协议定义、生命周期管理、权限隔离与组合编排；通过标准协议实现Agent与外部系统的深度集成，持续拓展能力边界；\n3、构建「执行→反馈→分析→优化」的自进化闭环，通过轨迹分析自动识别薄弱环节，驱动Skill迭代、策略调优与能力自适应更新；\n4、构建多维评测框架，综合确定性校验、模型裁判与人工抽检的混合评估策略；建设回归测试与实验能力，为迭代效果提供量化保障；\n5、设计系统级上下文管理架构，解决长任务中的信息过载与注意力分散问题；构建分层记忆与动态裁剪机制，在有限窗口内最大化推理质量；负责RAG系统的架构设计与优化，包括多源知识治理、检索策略优化、知识图谱与质量评估；探索知识从被动检索到主动能力固化的升级路径；设计多智能体协作架构，实现任务拆解、并行调度与结果聚合，定义Agent间的通信协议与冲突解决机制；以AI原生思路重构业务工作流，将人工流程升级为Agent驱动的自动化链路，持续探索新场景中的产品形态。\n\n职位要求\n1、本科及以上学历，计算机、软件工程、人工智能等相关专业，硕士学位优先；\n2、熟练掌握Python，同时熟悉Go/Nodejs/TypeScript中至少一门，具备良好的系统设计能力；\n3、熟悉主流大模型的能力边界、API调用与Prompt工程实践；\n4、理解Agent Loop、ReAct、Plan-and-Execute等主流架构模式；\n5、优秀的逻辑思维，善于将复杂场景拆解为可落地方案；\n6、良好的协作与沟通能力。\n\n优先条件（任一即加分）：\n1、有Agent评测体系搭建经验，熟悉混合评估方法，或有LLM微调、模型评测经验；\n2、有Agent自进化、数据飞轮系统设计经验，或上下文工程、分层记忆系统实践经验；\n3、有Multi-Agent编排框架实际项目经验；\n4、有RAG系统建设经验，熟悉向量检索与知识图谱，或熟悉MCP、Function Calling等工具集成协议；\n5、有研发效能工具或AI Coding产品开发经验；\n6、在Agent/LLM领域有开源贡献或论文发表。\n1、负责Agent运行时框架的设计与开发，实现任务规划、推理决策、工具调用、多轮对话管理等基础能力；\n2、设计Agent的标准化能力层，包括Skill的协议定义、生命周期管理、权限隔离与组合编排；通过标准协议实现Agent与外部系统的深度集成，持续拓展能力边界；\n3、构建「执行→反馈→分析→优化」的自进化闭环，通过轨迹分析自动识别薄弱环节，驱动Skill迭代、策略调优与能力自适应更新；\n4、构建多维评测框架，综合确定性校验、模型裁判与人工抽检的混合评估策略；建设回归测试与实验能力，为迭代效果提供量化保障；\n5、设计系统级上下文管理架构，解决长任务中的信息过载与注意力分散问题；构建分层记忆与动态裁剪机制，在有限窗口内最大化推理质量；负责RAG系统的架构设计与优化，包括多源知识治理、检索策略优化、知识图谱与质量评估；探索知识从被动检索到主动能力固化的升级路径；设计多智能体协作架构，实现任务拆解、并行调度与结果聚合，定义Agent间的通信协议与冲突解决机制；以AI原生思路重构业务工作流，将人工流程升级为Agent驱动的自动化链路，持续探索新场景中的产品形态。\n1、本科及以上学历，计算机、软件工程、人工智能等相关专业，硕士学位优先；\n2、熟练掌握Python，同时熟悉Go/Nodejs/TypeScript中至少一门，具备良好的系统设计能力；\n3、熟悉主流大模型的能力边界、API调用与Prompt工程实践；\n4、理解Agent Loop、ReAct、Plan-and-Execute等主流架构模式；\n5、优秀的逻辑思维，善于将复杂场景拆解为可落地方案；\n6、良好的协作与沟通能力。\n\n优先条件（任一即加分）：\n1、有Agent评测体系搭建经验，熟悉混合评估方法，或有LLM微调、模型评测经验；\n2、有Agent自进化、数据飞轮系统设计经验，或上下文工程、分层记忆系统实践经验；\n3、有Multi-Agent编排框架实际项目经验；\n4、有RAG系统建设经验，熟悉向量检索与知识图谱，或熟悉MCP、Function Calling等工具集成协议；\n5、有研发效能工具或AI Coding产品开发经验；\n6、在Agent/LLM领域有开源贡献或论文发表。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T015"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}