职位详情

职位列表 链接有效 不适用(官网全量采集) official:bytedance:7587718749671967029

AI Coding服务端工程师-字节云

未披露 · 北京 · 字节跳动

主分类:Agent系统开发
软件开发与 IT
辅助:云基础设施与系统软件研发(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 Coding服务端工程师-字节云",
        "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": "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": "",
        "degree": "计算机本科学历及以上",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、打造字节云AI Native Development引擎:以Spec Coding为主线,贯通PRD→TRD→Coding→评测→集成测试,让需求从一句话到可评审MR全链路AI生产,人工一键合并;\n2、构建PB级代码/文档RAG知识库,毫秒级语义检索,支撑Agent生成、补全、Review、UT,生产代码采纳率≥50%;\n3、设计异步Agent编排与调度框架,基于事件驱动、云原生弹性扩容,内置MCP/A2A协议,打通多语言、多运行时Agent互操作;\n4、推动AI Native最佳实践在真实业务落地,将发布、灰度、监控、回滚策略嵌入Agent决策闭环,经生产验证实现7x24零事故自动交付。",
        "requirements_text": "1、计算机本科学历及以上,5年以上高并发平台研发,主导过10k QPS系统并负责容量规划与灰度策略;\n2、精通Golang/Python/K8s,能写控制器/Operator,熟悉Bazel、Serverless、事件驱动架构;\n3、深入理解LLM应用范式:RAG、Function-Call、Agent编排、RLHF,有生产级落地案例;\n4、具备微服务治理与可观测性经验,SLA99、99%,擅长定位CPU/内存/网络综合性能问题;\n5、横向沟通与项目管理力强,推动排障并按期交付;质量敏感,学习能力强。\n\n加分项\n1、熟悉编译器或静态分析工具(ANTLR/Tree-sitter即可);\n2、在GitHub提交过Agent相关PR,Star>50更佳;\n3、热衷AI技术和分享,乐于组内外宣讲新知识;\n4、有产品思维,能用数据看板驱动平台迭代。",
        "skills": [AI生成
            "Python",
            "Golang",
            "微服务",
            "项目管理",
            "学习能力",
            "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/7587718749671967029/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7587718749671967029",
        "post_date": "2025-12-25",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://jobs.bytedance.com/experienced/position/7587718749671967029/detail"
    },
    "fulltext": "AI Coding服务端工程师-字节云\n职位描述\n1、打造字节云AI Native Development引擎:以Spec Coding为主线,贯通PRD→TRD→Coding→评测→集成测试,让需求从一句话到可评审MR全链路AI生产,人工一键合并;\n2、构建PB级代码/文档RAG知识库,毫秒级语义检索,支撑Agent生成、补全、Review、UT,生产代码采纳率≥50%;\n3、设计异步Agent编排与调度框架,基于事件驱动、云原生弹性扩容,内置MCP/A2A协议,打通多语言、多运行时Agent互操作;\n4、推动AI Native最佳实践在真实业务落地,将发布、灰度、监控、回滚策略嵌入Agent决策闭环,经生产验证实现7x24零事故自动交付。\n\n职位要求\n1、计算机本科学历及以上,5年以上高并发平台研发,主导过10k QPS系统并负责容量规划与灰度策略;\n2、精通Golang/Python/K8s,能写控制器/Operator,熟悉Bazel、Serverless、事件驱动架构;\n3、深入理解LLM应用范式:RAG、Function-Call、Agent编排、RLHF,有生产级落地案例;\n4、具备微服务治理与可观测性经验,SLA99、99%,擅长定位CPU/内存/网络综合性能问题;\n5、横向沟通与项目管理力强,推动排障并按期交付;质量敏感,学习能力强。\n\n加分项\n1、熟悉编译器或静态分析工具(ANTLR/Tree-sitter即可);\n2、在GitHub提交过Agent相关PR,Star>50更佳;\n3、热衷AI技术和分享,乐于组内外宣讲新知识;\n4、有产品思维,能用数据看板驱动平台迭代。\n1、打造字节云AI Native Development引擎:以Spec Coding为主线,贯通PRD→TRD→Coding→评测→集成测试,让需求从一句话到可评审MR全链路AI生产,人工一键合并;\n2、构建PB级代码/文档RAG知识库,毫秒级语义检索,支撑Agent生成、补全、Review、UT,生产代码采纳率≥50%;\n3、设计异步Agent编排与调度框架,基于事件驱动、云原生弹性扩容,内置MCP/A2A协议,打通多语言、多运行时Agent互操作;\n4、推动AI Native最佳实践在真实业务落地,将发布、灰度、监控、回滚策略嵌入Agent决策闭环,经生产验证实现7x24零事故自动交付。\n1、计算机本科学历及以上,5年以上高并发平台研发,主导过10k QPS系统并负责容量规划与灰度策略;\n2、精通Golang/Python/K8s,能写控制器/Operator,熟悉Bazel、Serverless、事件驱动架构;\n3、深入理解LLM应用范式:RAG、Function-Call、Agent编排、RLHF,有生产级落地案例;\n4、具备微服务治理与可观测性经验,SLA99、99%,擅长定位CPU/内存/网络综合性能问题;\n5、横向沟通与项目管理力强,推动排障并按期交付;质量敏感,学习能力强。\n\n加分项\n1、熟悉编译器或静态分析工具(ANTLR/Tree-sitter即可);\n2、在GitHub提交过Agent相关PR,Star>50更佳;\n3、热衷AI技术和分享,乐于组内外宣讲新知识;\n4、有产品思维,能用数据看板驱动平台迭代。",
    "standard_classification": {
        "std_category_code": "T009",
        "std_aux_codes": [
            "T018"
        ],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}