字节跳动
Agent Infra研发工程师-Commercial AI
Agent Infra研发工程师-Commercial AI
发布于 大约 1 小时前普通员工/个人贡献者
北京市
中级经验
全职员工
仅现场办公
学历未注明
LLM
FinOps
大模型
GPU调度
抖音电商
Agent框架
Harness Engineering
Agent Infrastructure
AI 估算 · 30k–50k
中级工程师，北京大厂，Agent方向热门，薪资竞争力强，预估月薪30-50k，年终多个月。
职位详情
关于这个职位
该职位专注于构建和优化商业化Agent基础设施，涉及抖音电商、生活服务等核心业务的算法策略与工程架构
你将设计Agent框架、工具链及GPU算力调度系统，与算法和应用团队紧密协作，推动AI Agent技术在商业场景的落地
适合对LLM/Agent系统有深入理解、热爱技术探索的研发工程师
最低要求
计算机基础知识扎实，对操作系统、数据库、网络基础知识充分掌握，熟悉常见的服务端技术组件，对常见的服务端场景有架构设计和优化思路
编码能力优秀，对代码质量与代码风格有高标准要求，对所熟悉的编程语言（Golang/Python优先）有一定的深入了解
有LLM/Agent系统开发经验，对LLM/Agent架构与生态中的一项或多项技术有深入理解
对AI应用/LLMOps/AgentOps方向有浓厚兴趣和热情，自驱力强，对新事物的学习与探索能力强，具备出色的问题分析与解决能力
工作职责
探索和构建高效的商业化Agent Infrastructure，优化包括抖音电商、生活服务、广告营销等Agent算法策略和工程架构解决方案，持续探索前沿技术，支撑字节跳动商业化收入增长
设计实现Agent基础架构与相关工具链，包括但不限于Harness Engineering、Agent框架、沙箱与模拟环境、个性化记忆、工具、Skills、自动评估体系等
设计实现商业化内部GPU算力资源管理与调度体系，根据训练、推理、评测等多场景的任务特点，通过优化调度策略与运营机制，持续提升资源的弹性能力和有效利用率
与算法、应用、平台等团队紧密配合，优化Agent研发平台的能力与用户体验，提高研发效率与稳定性
关注AI Agent生态技术发展，持续探索并引入先进的Agent应用技术方案，推动在业务场景中落地
优先资格
熟悉主流大语言模型/多模态大模型训练与推理过程中的算法与架构原理，有相关算法策略调优经验优先
有资源调度、利用率优化、成本管理与FinOps落地经验优先
熟悉LLM/Agent训练、评测、编排、部署的完整流程，熟悉平台开发，有一定的业务与产品意识优先
擅长用大模型能力辅助工作并解决问题
AI 洞察
优缺点分析
优点
- Agent领域处于快速发展期，技术领先，能接触到前沿的LLM/Agent基础设施
- 薪资福利优厚，大厂平台背书，职业发展路径清晰
- 商业化业务对系统的稳定性、效率要求极高，工作强度可能较大
- 技术迭代快，需要持续学习最新的大模型和Agent技术，保持竞争力
- 跨团队协作频繁，需要较强的沟通和协调能力
缺点 / 挑战
- 加入字节跳动核心商业化团队，参与高流量业务场景，技术挑战大，成长空间广阔
- 适合对AI Agent充满热情、技术功底扎实、渴望在大型商业场景中挑战自我的后端或基础设施工程师
角色解读
- 在Agent基础设施领域深耕，成为技术专家或架构师，主导核心系统设计
- 横向拓展至整个商业化AI平台，负责更大范围的工程优化和技术创新
- 向技术管理方向发展，带领团队探索前沿Agent技术并落地业务
- 设计并实现Agent基础架构，包括框架、工具链、沙箱环境等，支撑商业化Agent的高效开发和运行
- 优化GPU算力调度系统，提升资源利用率和弹性能力，支持训练、推理、评测等多场景
- 与算法和应用团队协作，持续改进Agent研发平台，提高研发效率和稳定性
- 跟踪AI Agent前沿技术，引入新方案并推动在业务场景中落地
- 扎实的计算机基础，熟悉操作系统、数据库、网络，掌握常见服务端技术组件
- 优秀的编码能力，精通Golang或Python，注重代码质量
- 深入理解LLM/Agent架构与生态，有实际开发经验
- 对AI应用/LLMOps/AgentOps有浓厚兴趣，自驱力强，善于解决问题
申请策略
- 仔细研究字节跳动商业化AI产品，面试时展现对业务与技术结合的理解
- 准备一个完整的Agent系统设计案例，展示从架构到实现的思考过程
- 突出LLM/Agent相关的项目经验，包括框架设计、工具链开发或系统优化
- 强调GPU资源管理、调度优化或FinOps实践的具体成果
- 展示高性能后端系统设计能力，如高并发、微服务架构等
- 体现自驱学习和技术探索能力，例如开源贡献或技术博客
- 深入学习Agent框架（如LangChain、AutoGPT）和大模型推理优化技术
- 熟悉Kubernetes和GPU资源调度，了解FinOps成本管理实践
面试指南
- 结构式回答：先明确问题边界，再给出设计方案或解决思路，最后总结关键点
- 技术深度：结合具体技术组件（如消息队列、分布式存储）和优化经验
- 业务视角：说明技术决策如何支撑商业目标，如成本、效率或收入增长
- 如何设计一个高可用的Agent编排引擎？
- 在GPU资源有限的情况下，如何优化训练和推理任务的调度？
- 请描述一个你参与过的LLM/Agent系统，遇到的最大技术挑战是什么？
- 如何评估Agent系统的性能和效果？
- 你对Agent基础设施的未来发展方向有什么看法？
匹配度报告
72
综合匹配度
大厂核心商业化团队，前沿Agent技术栈，薪资优厚但工作强度大。
适合人群
适合追求技术成长、愿意在高强度环境下快速发展的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展90
工作生活50
使命价值70
薪资福利匹配
80较高
薪资在大厂属中上水平，福利齐全，但JD未明确薪资，需面议。
薪资信号面议 (30K-50K/月)
成长发展匹配
90较高
技术前沿，涉及LLM/Agent和GPU调度，成长空间大，JD强调持续学习与探索。
技术前沿前沿/新兴技术
技术栈LLM、Agent、GPU调度、Golang、Python、Agent框架
成长机会持续探索前沿技术、学习与探索能力强
业务类型profit_center
工作生活匹配
50较低
仅现场办公，地点北京，互联网大厂通常工作强度较高，JD未提及WLB。
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
70中等
支撑商业化收入增长，有实际业务价值，但社会影响力中等。
行业发展高速增长赛道
社会影响中性/一般
使命信号支撑字节跳动商业化收入增长
创新程度积极采用新技术
Watch Jobs