字节跳动
多模态应用工程师 （自动驾驶云）-火山引擎
多模态应用工程师 （自动驾驶云）-火山引擎
发布于 大约 4 小时前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
本科
RAG
微服务
多模态
gRPC
大模型
向量检索
AI 估算 · 35k–60k
字节跳动上海高级工程师，结合大模型与自动驾驶前沿技术，薪资竞争力强，市场高位。
职位详情
关于这个职位
作为火山引擎自动驾驶云团队的多模态应用工程师，你将负责构建多模态AI应用的后端平台与服务，包括API服务、模型训练与评测工程化、向量检索与RAG方案、Agent工作流编排等
该职位要求扎实的Golang服务端开发经验，并熟悉大模型和多模态技术，适合希望在自动驾驶与AI云领域深入发展的技术人才
最低要求
计算机科学、软件工程等相关专业本科及以上学历，3年以上Golang服务端开发经验，有1年以上大模型/Agent工程化实践经验者优先
了解大模型（LLM）与多模态技术，参与过模型部署、工具调用、效果评测等任一环节的工程化
熟悉微服务架构，了解gRPC、RESTful API设计
熟练使用Kafka、RocketMQ或Redis Stream等消息队列
熟练掌握MySQL、Elasticsearch、Redis的使用与优化
了解向量检索原理与Milvus/Qdrant等主流向量数据库，具备RAG相关工程经验者优先
较强的问题解决能力与技术文档撰写能力，能够独立分析并优化复杂流程
工作职责
负责多模态AI应用的后端平台与服务建设，为场景理解与生成、多模态搜索等算法能力提供稳定、可扩展的API服务
参与建设模型训练、评测与部署的工程化支撑体系，包括构建规模化数据处理管道，设计自动化评测框架，优化模型推理服务等
负责技术体系的工程化落地，包括向量检索、ES检索及图数据库检索方案，提升模型语义理解与知识应用能力
负责核心能力的后端实现，包括设计和实现Agent的工作流编排与插件化工具，构建任务队列、消息与事件驱动架构
参与平台的高可用与可观测性建设，包括日志、指标、追踪、告警体系的完善，并确保系统的权限、治理与数据合规
优先资格
有1年以上大模型/Agent工程化实践经验者优先
具备RAG相关工程经验者优先
AI 洞察
优缺点分析
优点
- 字节跳动大平台，技术栈前沿，接触大模型与自动驾驶核心场景
- 薪资福利优厚，16薪，期权潜在收益
- 团队技术氛围好，与AI算法专家紧密合作，成长快速
- 对Golang和大模型工程化经验要求高，竞争激烈
- 自动驾驶云业务复杂度高，需要处理高并发和稳定性问题
- 可能面临一定的工作强度，需要适应字节跳动节奏
- 适合有3年以上Golang服务端经验，对大模型工程化有热情，愿意在自动驾驶与AI云领域深耕的技术型人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 技术纵深发展：成为多模态AI工程化专家，主导大模型落地
- 横向扩展：向自动驾驶云架构师或技术经理发展，管理团队
- 行业前景：自动驾驶与AI云是高速赛道，可跳槽至其他大厂或创业公司
- 设计并实现多模态AI应用的API服务，支持场景理解和多模态搜索
- 建设模型训练与部署的工程化平台，包括数据处理管道和自动化评测框架
- 落地向量检索、ES检索和图数据库检索，提升模型的语义理解能力
- 开发Agent工作流编排和插件化工具，实现任务队列和事件驱动架构
- 扎实的Golang服务端开发能力，3年以上经验
- 熟悉大模型与多模态技术，有模型部署或效果评测工程经验
- 掌握微服务架构、gRPC、消息队列（Kafka等）和数据库（MySQL、ES、Redis）
- 了解向量数据库（Milvus等）和RAG相关技术
申请策略
- 准备一个多模态或RAG项目案例，展示工程化能力和问题解决思路
- 了解火山引擎自动驾驶云业务方向，面试中体现对行业的理解
- 突出Golang后端项目经验，特别是微服务架构和消息队列的使用
- 详细描述大模型或Agent工程化实践，如模型部署、工具调用或RAG实现
- 强调对向量数据库和检索技术的了解，以及性能优化案例
- 深入学习大模型原理和推理优化（如vLLM、TensorRT）
- 实践RAG和Agent框架（如LangChain、LlamaIndex）
- 补充自动驾驶领域知识，如感知、规划等
面试指南
- 采用STAR法则：背景、任务、行动、结果，突出工程化细节和量化成果
- 技术选型对比：列出不同方案优缺点，并说明最终选择理由
- 从系统层面思考：不仅回答技术实现，还要考虑稳定性、扩展性和监控
- 请描述你过去参与的一个大模型工程化项目，从数据处理到部署的完整流程
- 如何设计一个高并发的API服务？谈谈你使用过哪些优化手段
- 向量数据库与传统搜索引擎（如ES）在RAG中的应用差异是什么？
- 如何保证微服务架构下的系统可观测性？你用过哪些工具？
- 在Agent工作流中，任务队列和事件驱动如何设计？
匹配度报告
71
综合匹配度
大厂前沿技术岗，薪资优厚、技术成长快，但工作强度高、WLB一般。
适合人群
最适合追求技术成长和高薪酬的求职者，能接受较强工作节奏。
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40
使命价值70
薪资福利匹配
85较高
字节跳动薪资待遇在行业内属于顶尖水平，16薪加上可能的期权，补偿性动机满足度高。但具体薪资需面议。
薪资信号未披露（AI估算：35K-60K/月）
成长发展匹配
90较高
职位涉及大模型、多模态、自动驾驶等前沿技术，团队技术氛围浓厚，成长空间大。但JD未明确提及晋升通道。
技术前沿前沿/新兴技术
技术栈大模型、多模态、向量检索、RAG、Agent
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大，虽未明确加班要求，但行业认知为高强度。地点上海市中心，通勤便利但WLB一般。
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
自动驾驶和AI云是社会关注的前沿领域，具有正向社会影响力（提升出行安全），但使命信号不强烈。
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
字节跳动 的其他在招职位
相似职位推荐
Watch Jobs