字节跳动
大模型应用算法工程师-飞书文档
大模型应用算法工程师-飞书文档
发布于 大约 14 小时前普通员工/个人贡献者
深圳市
中级经验
全职员工
仅现场办公
硕士
机器学习
NLP
RAG
SFT
大模型
RL
Prompt Engineering
AI 估算 · 30k–60k
大模型算法工程师是当前高薪赛道，字节跳动薪资竞争力强，深圳地区互联网大厂硕士岗位通常在30k-60k/月。
职位详情
关于这个职位
作为大模型应用算法工程师，你将负责飞书文档、表格、PPT等办公场景下的大模型应用能力建设，包括文档生成、内容改写、表格分析等方向
同时参与Office Agent链路优化，提升办公自动化任务的完成质量与稳定性
你将与产品、工程、设计等团队协作，推动大模型技术在真实业务场景中落地，并持续跟踪前沿技术进行工程实践
最低要求
硕士学位，计算机、人工智能、软件工程、数学、统计学等相关专业
具备良好的编程能力，熟悉Python，了解常见数据处理、模型调用、工程开发工具
具备机器学习、深度学习或自然语言处理基础，了解大模型基本原理和常见应用方式，如Prompt Engineering、RAG、Function Calling、Agent、SFT、RL、评测等
对大模型应用落地有兴趣，愿意深入业务场景，能够从真实需求出发分析问题、设计方案、验证效果
具备较强的数据分析和问题定位能力，能够通过负面案例分析、评测数据、用户反馈等方式发现问题并推动改进
具备良好的工程意识，关注方案的稳定性、可维护性、可验证性和可回归性
工作职责
大模型应用能力建设：飞书文档、表格、PPT等办公场景下的大模型应用能力建设，包括文档生成、内容改写、表格分析、PPT创作、Agent工具调用等方向
Office Agent链路优化：基于大模型的办公自动化Agent研发，包括探索通过Python、工具调用、结构化编辑、代码执行、Agentic SFT、Agentic RL等方式提升文档、表格、PPT任务的完成质量与稳定性
数据与评测体系建设：
）办公场景训练与评测数据的构造，包括任务定义、样本清洗、标注规范设计、负面案例分析、数据增强等工作
）构建面向文档、表格、PPT等场景的评测体系，包括自动化评测、人工评测、回归集建设、指标设计与效果分析，推动模型能力可验证、可回归
业务场景落地：与产品、工程、设计、运营等团队协作，理解真实用户需求，需求分析、方案设计、实验验证和线上效果跟踪，推动大模型能力在飞书办公场景中落地
前沿技术探索与工程实践：跟进大模型、Agent、RAG、Prompt Engineering、多模态理解、代码执行等相关技术，结合业务需求进行调研、实验和落地验证
优先资格
有代码执行、工具调用、自动化测试、数据流水线经验者优先
AI 洞察
优缺点分析
优点
- 大模型应用是当前AI领域最热方向之一，技术积累价值高，行业前景广阔
- 字节跳动为一线互联网大厂，技术氛围浓厚，平台资源丰富，能接触到海量数据和真实场景
- 飞书是公司核心产品，职位影响面广，有机会推动创新产品落地
- 薪资待遇优厚，且提供股权激励等福利
- 大模型技术迭代快，需要持续学习前沿论文和技术，保持竞争力
- 模型落地到办公场景需要解决稳定性、准确率和效率问题，技术难度高
- 适合对大模型应用有强烈兴趣、具备扎实AI基础和工程能力、愿意深入业务并快速成长的算法工程师
缺点 / 挑战
- 业务场景复杂，需要深入理解用户需求并平衡技术可行性与产品体验，工作压力较大
角色解读
- 可在AI大模型应用方向深入，成为领域专家，负责核心算法的研发与优化
- 可向技术管理方向转型，带领团队负责飞书AI能力的整体架构和规划
- 也可横向拓展到多模态、强化学习等前沿方向，或转向产品化AI解决方案
- 负责飞书办公场景中大模型应用能力的建设，如文档生成、表格分析等，提升用户体验
- 研发基于大模型的办公自动化Agent，通过Python、工具调用等方式优化任务完成质量
- 构建训练和评测数据集，设计自动化评测体系，确保模型能力的可验证和可回归
- 与产品、工程、设计团队协作，将大模型能力落地到具体业务场景中，并跟踪效果
- 扎实的编程能力，熟练使用Python及相关数据处理和模型调用工具
- 掌握机器学习、深度学习、NLP基础，熟悉大模型原理及Prompt Engineering、RAG、Agent等应用技术
- 具备数据分析和问题定位能力，能通过案例和评测数据发现并改进模型问题
- 良好的工程意识，关注方案的稳定性、可维护性和可回归性，熟悉代码执行、工具调用等优先
申请策略
- 关注飞书文档团队的公开技术博客或分享，了解团队技术方向，面试时体现对产品和技术的理解
- 准备一个完整的大模型应用案例，从问题定义、方案设计、实验验证到效果分析，展示工程全链路能力
- 突出大模型相关项目经验，尤其是Agent、RAG、Prompt Engineering等方向的实践成果
- 展示Python编程能力和工程化能力，如代码执行、工具调用、自动化测试等
- 强调数据分析和评测体系建设经验，例如如何构建数据集和设计评测指标
- 如有NLP、机器学习竞赛或高质量论文发表，务必列出
- 补充Agentic SFT、RL等强化学习在语言模型中的应用知识
- 熟悉飞书或类似办公产品的场景，了解用户痛点，可提前体验并思考AI改进点
面试指南
- 对于开放性问题，可以先拆解需求，明确目标，然后提出技术方案（如模型选择、数据构造、工程实现），最后考虑评估和迭代
- 对于评测问题，可以从自动化评测（BLEU、ROUGE等）和人工评测（准确性、流畅性、实用性）两个角度回答，并强调回归测试的重要性
- 对于问题定位，强调数据驱动：通过负面案例分析、错误聚类、用户反馈等方式找到根因，然后进行针对性优化
- 如何设计一个基于大模型的文档生成系统，需要考虑哪些关键技术点？
- 在实际业务中，如何评估大模型生成的文档质量？请设计一个评测方案
- 当大模型在办公场景中出现幻觉或错误时，你会如何定位和解决？
- 请解释Agentic SFT和Agentic RL的基本原理，以及它们在Office Agent中的应用场景
- 你如何与产品、工程团队协作，确保大模型能力顺利落地？
匹配度报告
68
综合匹配度
大厂核心AI岗位，前沿技术栈，高薪酬高成长，但工作强度大，WLB较差。
适合人群
适合追求技术成长和高薪资、能适应高强度工作的求职者，不适合极度看重工作生活平衡的人。
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90
工作生活30
使命价值65
薪资福利匹配
85较高
薪资水平在行业内属顶尖梯队的偏高位置，字节跳动福利较好（五险一金、年终奖等），但强度大可能影响稳定性感知。
薪资信号未披露（AI估算：30K-60K/月）
成长发展匹配
90较高
大模型应用是最前沿的技术方向，字节跳动提供丰富的业务场景和数据资源，有明确的成长路径和技术积累机会。
技术前沿前沿/新兴技术
技术栈大模型、Agent、RAG、Prompt Engineering、SFT、RL、Python
业务类型profit_center
工作生活匹配
30较低
仅现场办公，字节跳动工作强度普遍较高，JD中未提及WLB相关词汇，通常需要适应快节奏和可能的加班。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
65中等
办公AI产品能提升工作效率，具有正向社会影响；行业处于高速增长期，但公司商业导向强，使命信号不明显。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs