字节跳动
AI Agent工程师（交易与物流供应链方向）-TikTok Shop
AI Agent工程师（交易与物流供应链方向）-TikTok Shop
发布于 大约 16 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
硕士
供应链
SQL
RAG
GO
大模型
AI Agent
Multi-Agent
AI 估算 · 30k–55k
AI Agent紧缺岗位，字节薪资竞争力强，杭州互联网中高级工程师月薪3-5.5万，16薪
职位详情
关于这个职位
该岗位负责打造TikTok Shop交易与物流供应链的AI数据助手和智能决策系统，使用大模型、Multi-Agent、Function Call等前沿技术，实现从数据查询到智能决策的全链路升级
适合有AI Agent搭建和算法工程化经验、对供应链业务感兴趣的技术人才
最低要求
计算机、统计、数学等相关专业硕士学位及以上，3年以上AI大模型应用、智能Agent搭建或算法工程化相关工作经验，有AI大模型应用、智能Agent搭建、算法工程化等研发经验
有企业级数据Agent/对话式BI落地经验优先
熟练掌握Python/Go开发语言，熟悉LangChain等主流Agent框架，具备大模型API调用、多轮对话管理、工具链封装的落地经验
精通RAG、Function Calling等Agent核心技术，能够独立解决大模型幻觉、复杂任务推理等常见问题
精通SQL，熟悉Spark/Flink等大数据组件，有供应链、物流或交易业务数据经验者优先
具备优秀的业务拆解与跨团队协作能力，对AI前沿技术有强烈探索欲，能承担从0到1的系统搭建工作
工作职责
主导交易、物流、供应链场景Data Agent系统的设计与开发，落地交互式查询、归因分析、自动报告生成等核心功能，打造业务团队的通用AI数据助手
搭建核心场景的算法工程引擎，整合供应链预测、仿真、调度等成熟算法能力，支撑从"数据查询"到"智能决策"的全链路能力升级
落地大模型、Multi-Agent协作、Function Call等前沿AI技术，优化Agent的任务拆解、推理调度能力，解决复杂供应链业务的端到端智能化处理问题
对接业务数据资产与工具链，构建Agent的数据源与工具调用体系，与产品、运营团队协作迭代优化Agent的业务适配性，推动业务核心场景落地
搭建Agent效果评估体系，沉淀场景化优化经验，持续提升系统的准确率、稳定性与用户体验
AI 洞察
优缺点分析
- 前沿技术栈：深度接触大模型、Multi-Agent、Function Call等最热AI技术，技能积累快
- 业务场景重要：TikTok Shop交易与物流供应链是核心业务，项目影响力大
- 大厂平台优势：字节跳动提供顶级资源、数据、团队和职业发展机会
- 行业前景广阔：AI Agent是未来趋势，电商与供应链智能化需求旺盛
- 技术复杂度高：需同时掌握AI、大数据、供应链知识，学习曲线陡峭
- 业务压力大：供应链场景对准确性和实时性要求高，可能面临高强度交付周期
- 竞争激烈：大厂内部人才密集，晋升需持续输出亮眼成果
- 适合有AI Agent或算法工程化经验、对供应链业务感兴趣、喜欢挑战前沿技术并能在高压下成长的工程师
角色解读
- 技术专家路线：深入AI Agent、大模型应用，成为Agent系统架构师或算法专家
- 业务管理路线：向供应链技术负责人或产品负责人发展，横向拓展业务影响力
- 跨领域发展：积累供应链、交易、物流行业知识，转型为AI+供应链咨询或创业
- 设计和开发交易、物流、供应链领域的Data Agent系统，实现交互式查询、归因分析和自动报告生成
- 构建算法工程引擎，整合供应链预测、仿真、调度等算法，支持从数据查询到智能决策的全链路
- 应用大模型、Multi-Agent协作、Function Call等技术，优化Agent的任务拆解和推理调度能力
- 对接业务数据资产，构建Agent的数据源和工具调用体系，推动业务场景落地
- 扎实的编程能力：精通Python或Go，熟悉LangChain等Agent框架，具备大模型API调用经验
- 核心AI技术：深入理解RAG、Function Calling，能解决大模型幻觉和复杂任务推理问题
- 大数据处理：精通SQL，熟悉Spark/Flink等大数据组件，有供应链、物流数据经验者优先
- 业务理解与协作：优秀的业务拆解能力和跨团队协作能力，能承担从0到1的系统搭建
申请策略
- 申请前深入了解TikTok Shop的电商和供应链业务，在面试中展现业务敏感度
- 准备一个完整的Agent项目Demo，展示从需求分析到系统搭建的全过程
- 突出AI Agent或大模型应用项目经验，尤其是LangChain、RAG、Function Calling相关实践
- 强调算法工程化能力，如将模型部署到生产环境、优化推理性能等案例
- 展示供应链、物流或交易数据处理经验，如使用Spark/Flink处理大规模数据
- 体现跨团队协作和业务落地成果，量化系统带来的效率提升或业务增长
- 补强Agent框架：系统学习LangChain、AutoGPT等框架，动手搭建一个完整Agent
- 熟悉供应链知识：了解供应链预测、调度等基本概念，可阅读相关案例
面试指南
- STAR法则：描述情境(Situation)、任务(Task)、行动(Action)和结果(Result)，突出技术选型和决策过程
- 分步拆解：对于设计类问题，先明确目标，再拆分模块，逐步阐述数据、算法、框架和评估
- 对比分析：当被问到技术选择时，对比不同方案的优劣，展示你的技术深度和权衡能力
- 描述你过去搭建的一个AI Agent系统，遇到的主要技术挑战是什么？如何解决？
- 解释RAG和Function Calling的工作原理，它们在Agent中各自扮演什么角色？
- 如何设计一个供应链场景下的交互式查询Agent？请从数据源、推理逻辑、用户体验等方面阐述
- 大模型幻觉问题在Agent中如何缓解？给出具体方案
- 你如何评估一个Agent系统的效果？请设计评估指标
匹配度报告
70
综合匹配度
大厂核心AI Agent岗位，前沿技术栈，薪资优厚，但工作强度大，WLB一般。
适合人群
最适合追求技术前沿和快速成长的开发者，对工作生活平衡要求不高。
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40
使命价值70
薪资福利匹配
80较高
薪资竞争力强，字节提供行业领先薪酬和股票激励，但JD未明确福利细节，综合得分较高。
薪资信号未披露 (30K-55K/月)
成长发展匹配
90较高
该职位聚焦AI Agent前沿技术，涉及大模型、Multi-Agent等，技能成长空间大，且供应链业务场景丰富，发展性极强。
技术前沿前沿/新兴技术
技术栈AI Agent、大模型、Multi-Agent、Function Call、LangChain、RAG
业务类型profit_center
工作生活匹配
40较低
互联网大厂通常工作强度较大，JD未提及弹性工作或WLB，且仅现场办公，生活化动机满足有限。
工作模式仅现场办公
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
电商供应链智能化有助于提升效率，但对社会价值影响中性，行业高速增长，技术驱动创新。
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