字节跳动
AI Coding服务端工程师-字节云
AI Coding服务端工程师-字节云
发布于 大约 2 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
本科
RAG
微服务
LLM
可观测性
云原生
Agent编排
AI 估算 · 35k–60k
AI+云原生方向，大厂核心岗位，高级工程师，薪资具有竞争力。
职位详情
关于这个职位
该岗位负责打造字节云的AI Native开发引擎，通过Spec Coding实现从需求到代码的全链路AI自动化生产
你将构建PB级代码/文档RAG知识库，设计异步Agent编排框架，并推动AI Native最佳实践落地
这是一个技术深度与广度兼具的核心研发角色，适合对AI+云原生充满热情的资深工程师
最低要求
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
精通Golang/Python/K8s，能写控制器/Operator，熟悉Bazel、Serverless、事件驱动架构
深入理解LLM应用范式：RAG、Function-Call、Agent编排、RLHF，有生产级落地案例
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
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
工作职责
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
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%
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
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
优先资格
熟悉编译器或静态分析工具（ANTLR/Tree-sitter即可）
在GitHub提交过Agent相关PR，Star>50更佳
热衷AI技术和分享，乐于组内外宣讲新知识
有产品思维，能用数据看板驱动平台迭代
AI 洞察
优缺点分析
优点
- 深度参与前沿AI基础设施构建，技术和行业前景极佳
- 团队技术氛围浓厚，有机会与顶尖工程师合作，快速成长
- 对技术综合能力要求高，需要同时掌握AI、云原生、高并发等多领域知识
- 项目处于早期探索阶段，可能面临较大不确定性
- 适合具备5年以上后端开发经验，对AI技术和云原生有强烈兴趣，渴望在技术深度和广度上突破的资深工程师
缺点 / 挑战
- 字节跳动平台资源丰富，项目体量大，技术挑战高
- 工作强度可能较高，需要适应快速迭代的节奏
角色解读
- 成为AI+云原生领域的专家，主导更多核心基础设施的建设
- 向技术架构师或技术负责人方向发展，负责更大规模系统的架构决策
- 横向拓展至AI平台产品方向，结合业务需求推动平台演进
- 负责设计和实现AI Native开发引擎，让需求描述自动生成可合并的代码MR
- 构建和优化PB级代码文档的RAG知识库，实现毫秒级语义检索
- 设计异步Agent编排框架，支持多语言、多运行时Agent的互操作
- 推动AI在发布、灰度、监控等运维环节的落地，实现自动化交付
- 精通Golang或Python，以及Kubernetes和云原生技术栈
- 深入理解LLM应用范式，包括RAG、Function-Call、Agent编排等
- 具备高并发系统设计与性能调优经验，熟悉微服务治理与可观测性
- 较强的沟通与项目管理能力，能够推动跨团队协作
申请策略
- 关注字节云AI Native方向的技术博客和开源项目，在面试中展现对该领域的热情
- 准备一个你主导的技术项目案例，从背景、设计、落地到效果，完整阐述
- 突出高并发系统设计经历，特别是10k QPS以上的项目
- 强调Golang/Python/Kubernetes的熟练程度，并展示相关项目成果
- 重点描述LLM应用案例，如RAG、Agent编排、RLHF等生产级落地经验
- 可以提前学习Kubernetes Operator的开发、Bazel构建工具的用法
- 加深对Agent编排框架（如LangChain、CrewAI）的理解，尝试动手搭建Demo
面试指南
- 对于系统设计类问题，采用STAR法则：场景-任务-行动-结果，重点突出你的决策过程和量化效果
- 对于技术原理类问题，先给出核心概念定义，再结合自己的实践经验说明细节和优化点
- 对于开放性问题，从当前痛点、技术方案、未来演进三个层次展开，体现思考深度
- 请描述你设计过的一个高并发系统，如何做容量规划和灰度策略？
- 解释RAG的基本原理，以及你如何在生产环境中优化检索性能？
- 如何设计一个Agent编排框架，使其支持多语言和事件驱动？
- 谈谈你对微服务可观测性的理解，如何定位一个分布式系统的性能瓶颈？
- 你对AI Native开发的愿景是什么？如何衡量AI代码生成的采纳率？
匹配度报告
69
综合匹配度
大厂核心AI云原生岗位，技术前沿、薪资优厚，但工作节奏较快。
适合人群
最适合追求技术成长和职业发展、愿意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78
成长发展92
工作生活35
使命价值70
薪资福利匹配
78中等
字节跳动薪资在业内属第一梯队，但未在JD中明确，且工作强度可能较高，综合评分中等偏上。
薪资信号未披露（AI估算：35K-60K/月）
成长发展匹配
92较高
岗位涉及AI、云原生最新技术，技术前沿性极强，且有明确的业务落地场景，成长空间巨大。
技术前沿前沿/新兴技术
技术栈LLM、RAG、Agent编排、云原生、Kubernetes、Go、Python
业务类型profit_center
工作生活匹配
35较低
未提及灵活办公或WLB，字节跳动企业文化强调高效和结果，工作节奏可能较快。
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
AI Native开发属于行业前沿，有较高创新价值和行业影响力，但具体社会使命信号不强。
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