字节跳动
AI应用后端工程师（商家平台）-生活服务
AI应用后端工程师（商家平台）-生活服务
发布于 大约 17 小时前普通员工/个人贡献者
杭州市
高级经验
全职员工
仅现场办公
学历未注明
RAG
LLM
Eino
Fornax
AI 估算 · 30k–60k
结合大厂AI岗位竞争力和杭州市场水平，高级后端薪资区间较宽，但AI经验溢价明显。
职位详情
关于这个职位
这是一个在字节跳动负责抖音生活服务商家平台AI后端开发的职位，你将参与AI经营助手、智能Agent系统的设计与实现，结合LLM技术提升商家经营效率
工作内容涉及AI网关能力建设、算法工程优化等，与产品、算法团队紧密协作，推动AI产品落地
适合对AI技术有浓厚兴趣、具备后端开发经验并希望深耕AI应用领域的工程师
最低要求
年以上后端开发经验，具备扎实的代码功底和一定的系统设计能力，熟悉Golang/Python/Java等编程语言，熟悉常用的框架和技术组件
对AI产品、AI技术有浓厚的兴趣，能紧跟AI领域的最新发展动态，不断提升自己的专业知识和技能
有AI应用项目的相关经历，熟悉LLM应用架构，PE工程化和数据评测等，对于Eino、Fornax、Agent，RAG，LangChain等有基本的认知和理解
具备良好的沟通合作技巧，较强的责任心及团队合作精神，能深入了解业务、建立良好协作关系，具备独立解决问题的能力
工作职责
负责抖音生活服务商家平台智能化产品服务端研发工作，深度参与到AI应用场景研究，工程研发和产品设计等环节，推动AI产品落地
参与商家平台AI经营助手产品的研发工作，以辅助、托管等形式帮助商家经营店铺，持续提升商家经营效率、增加经营收益
设计和实现商家平台智能Agent系统，提升商家平台智能化水平，持续打造具备业务理解、任务规划、工具执行能力的智能化解决方案
参与AI网关能力建设，包括Agent调度、排队、负载均衡、限流等基础能力，同时参与AI算法工程优化、推理加速等工作
深入理解用户/客户的需求场景，驱动系统向更智能化、个性化、自适应的方向演进
同产品、算法等团队紧密协作，共同探索大模型时代下B端产品的新范式与商业价值
优先资格
熟悉Copilot、AI助手、智能客服等相关AI项目开发经验的优先
AI 洞察
优缺点分析
优点
- 头部互联网大厂平台，接触前沿AI技术（LLM、Agent等），技术视野开阔
- 业务场景丰富，参与从0到1构建AI产品，个人影响力和成就感强
- 薪资福利有竞争力，团队技术氛围浓厚，成长速度较快
- 涉及多团队协作（产品、算法、后端），沟通成本较大
- 对系统稳定性和性能要求高，需处理复杂工程问题
- 适合具备3年以上后端经验、对AI有浓厚兴趣、渴望在大型项目中实践前沿技术并追求高成长的工程师
缺点 / 挑战
- AI领域技术迭代快，需要持续学习，工作强度可能较高
角色解读
- 技术深耕：成为AI后端架构专家，主导大规模智能化系统的设计与演进
- 业务转型：深入理解商家经营场景，向技术产品经理或AI解决方案架构师方向发展
- 管理路线：积累团队协作经验，晋升为技术Leader或后端团队负责人
- 负责抖音生活服务商家平台AI产品（如AI经营助手）的服务端研发，参与从场景研究到产品落地的全过程
- 设计和实现智能Agent系统，包括任务规划、工具执行等，提升平台智能化水平
- 建设AI网关基础设施，涉及调度、排队、负载均衡等，并参与算法工程优化和推理加速
- 扎实的后端开发能力，熟练掌握Golang/Python/Java及常用框架
- 深入了解LLM应用架构，具备RAG、Agent、LangChain等技术的实际经验
- 较强的系统设计能力和独立解决问题的能力，熟悉分布式系统与高并发场景
申请策略
- 深入了解抖音生活服务业务，面试时展现对商家痛点的理解，提出AI赋能的想法
- 准备1-2个深度项目复盘，突出你在技术选型、架构设计和问题解决中的贡献
- 突出AI项目经历，特别是LLM应用、Agent、RAG等具体实践，用数据说明效果
- 强调后端系统设计能力，如高并发、分布式、微服务架构等案例
- 展示对AI技术动态的关注，如博客、开源贡献、技术分享等
- 提前熟悉LangChain、Eino等主流AI框架，动手搭建一个简单的Agent demo
- 补充LLM推理加速和工程优化相关知识，如vLLM、TensorRT等
面试指南
- 对于系统设计题：先明确需求（功能和非功能），画出分层架构草图，解释各模块职责和数据流，然后讨论关键点（一致性、性能、容错等）
- 对于项目经验题：采用STAR原则（情境-任务-行动-结果），聚焦技术难点和你的贡献，可量化结果
- 对于技术理解题：从基础概念出发，结合实际痛点，展示深度思考而非表面记忆
- 请设计一个智能客服Agent的系统架构，并说明如何实现多轮对话和工具调用
- 如何优化LLM推理的延迟和吞吐？请结合实际场景谈方法
- 描述一个你参与过的AI项目，遇到的最大技术挑战是什么？如何解决的？
- 在分布式系统中，如何保证Agent调度的可靠性和一致性？
- 谈谈你对RAG技术的理解，以及在实际应用中可能遇到的问题
匹配度报告
72
综合匹配度
字节跳动AI后端，前沿技术栈，高成长高压力，适合技术热情驱动型人才。
适合人群
该职位最适合追求技术成长、渴望接触AI前沿，且能接受高强度工作的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展95
工作生活40
使命价值70
薪资福利匹配
85较高
薪资预估偏高市场水准，大厂福利较好，但JD未明确具体薪资和福利项。
薪资信号未披露（AI估算：30K-60K/月）
成长发展匹配
95较高
职位涉及前沿AI技术（LLM、Agent等），团队技术氛围浓厚，成长空间大，但JD未明确提及晋升或培训。
技术前沿前沿/新兴技术
技术栈Golang、Python、Java、LLM、Agent、RAG、LangChain、Eino、Fornax
业务类型profit_center
工作生活匹配
40较低
字节跳动通常工作强度较高，JD未提及弹性办公或WLB，且地点在杭州，未明确办公环境。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
70中等
生活服务领域属于高速增长赛道，AI赋能商家经营有一定社会价值，但JD未强调使命感。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs