字节跳动
Agent技术专家-剪映CapCut（深圳/广州）
Agent技术专家-剪映CapCut（深圳/广州）
发布于 大约 16 小时前普通员工/个人贡献者
深圳市 / 广州市
专家级经验
全职员工
仅现场办公
本科
PyTorch
TensorFlow
LLM
SFT
VLM
DeepSpeed
Prompt Engineering
RLHF
Megatron
AI 估算 · 40k–70k
专家级技术岗，大模型方向稀缺，字节跳动高薪，深圳市场竞争力强，月薪4-7万合理。
职位详情
关于这个职位
加入字节跳动剪映CapCut团队，负责构建和优化AI Agent模型与评测体系，推动视频和图片创作领域的智能突破
你将专注于端到端Agent应用开发、模型训练与迭代，使用Prompt Engineering、SFT、RLHF等前沿技术提升Agent能力
适合具备大模型训练和Agent开发经验的技术专家，渴望在AIGC前沿领域产生巨大影响
最低要求
本科及以上学历，计算机科学、人工智能、自然语言处理、计算机视觉等相关领域专业
具备大模型的训练与优化经验
精通PyTorch/TensorFlow等框架，对于主流大模型并行框架（DeepSpeed、Megatron）有相关了解
熟悉LLM/VLM的Post-Training相关技术，在相关领域有过良好的项目经验或研究经验的优先
积极拥抱行业变化，有全链路视角，有从0-1搭建AI Agent应用经验的优先
工作职责
深入探索剪映的Agent应用，构建端到端的Agent评测与评估体系，设计和研发领先的Agent模型与链路，推动AI技术在视频、图片创作领域中的突破
建立并迭代Agent模型与链路的评估体系，探索数据与模型的共进化反馈体系
通过Prompt/Context Engineering、SFT、RLHF等算法提升Agent能力上限，实现Agent在视频/图片生成、编辑等能力上的全面提升
参与领域模型的全流程工作，根据实际业务场景，将创新性技术方案高效落地，推动内容创作AI能力的持续突破
优先资格
在相关领域有过良好的项目经验或研究经验的优先
有从0-1搭建AI Agent应用经验的优先
AI 洞察
优缺点分析
- 站在AIGC浪潮最前沿，接触Agent、多模态等顶尖技术，技术积累价值高
- 字节跳动平台资源丰富，项目影响力大，成果可服务数亿用户
- 薪资待遇优厚，专家级岗位享有高薪酬和股票期权
- 技术难度高，需同时精通大模型训练、Agent设计及业务场景理解，学习压力大
- 工作节奏快，业务迭代迅速，可能面临较强的时间压力和加班需求
- 行业竞争激烈，需持续跟进前沿论文与技术，保持自身竞争力
- 适合对AI Agent和生成式AI有浓厚兴趣、具备扎实的大模型技术背景、渴望在技术深度和影响力上不断突破的资深工程师
角色解读
- 技术路线：从Agent技术专家成长为AI架构师或首席科学家，主导多模态大模型方向
- 管理路线：可转向技术Leader或AI团队负责人，带领团队攻克技术难题
- 行业影响：在AIGC前沿领域积累深度经验，成为视频创作AI方向的行业顶尖人才
- 负责构建端到端的Agent评测与评估体系，设计和研发领先的Agent模型，推动AI在视频图片创作中的突破
- 迭代Agent模型与链路，通过数据与模型的共进化反馈提升Agent能力
- 应用Prompt Engineering、SFT、RLHF等前沿技术优化Agent在生成和编辑任务上的表现
- 参与领域模型全流程，从研究到落地，实现创新技术方案的高效转化
- 精通大模型训练与优化，熟练使用PyTorch/TensorFlow框架及DeepSpeed、Megatron等并行框架
- 深入理解LLM/VLM的Post-Training技术，如SFT、RLHF，并有实际项目经验
- 具备Agent应用的全链路视角，能够从0到1搭建AI Agent系统
- 有视频/图片生成、编辑领域的AI研究或开发经验优先
申请策略
- 建议深入了解剪映CapCut业务，思考Agent如何具体提升创作体验，在面试中展示业务理解
- 准备1-2个完整的技术方案讲述，包括问题定义、模型设计、实验评估、落地效果
- 突出大模型训练与优化项目，特别强调SFT/RLHF经验，并附上量化成果（如指标提升）
- 展示Agent应用案例，从0到1搭建的经历是加分项，描述技术选型和系统设计
- 强调在LLM/VLM领域的论文、开源贡献或竞赛成绩，体现技术深度
- 补充视频/图片生成模型（如扩散模型、ViT）的相关知识，提升领域匹配度
- 熟悉字节跳动的技术栈（如Bytedance内部框架），但非必须
- 可强化PyTorch和并行训练实操
面试指南
- STAR法则：描述背景、任务、行动、结果，突出技术难点和解决方案
- 结构化思考：先定义问题，再分析候选方案，最后给出选择理由和实现步骤
- 强调系统性：从数据、模型、评测、部署全链路角度回答，展现全局视野
- 请描述你从0到1搭建Agent系统的经历，包括技术选型和挑战
- 如何设计Agent的评测体系？你会关注哪些指标？
- 介绍一下你对RLHF的理解，在Agent场景中如何应用？
- 你对视频/图片生成模型有多了解？Agent如何与这些模型协同工作？
- 假设需要提升Agent在视频编辑中的任务成功率，你会怎么优化？
匹配度报告
72
综合匹配度
字节跳动大厂，Agent技术专家，前沿AI方向，薪资高成长快，但WLB一般。
适合人群
适合高度重视技术成长、愿意投入高强度工作换取前沿经验和丰厚回报的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展95
工作生活40
使命价值70
薪资福利匹配
85较高
字节跳动为已上市巨头，薪资在行业处于高位，专家级岗位薪酬优厚，但JD未明确提及福利细节。
薪资信号未披露 (40K-70K/月)
成长发展匹配
95较高
该职位处于AI最前沿的Agent与大模型方向，技术成长空间巨大，公司平台强大，项目影响力显著。
技术前沿前沿/新兴技术
技术栈Agent、LLM、VLM、PyTorch、TensorFlow、DeepSpeed、Megatron、Prompt Engineering、SFT、RLHF
业务类型profit_center
工作生活匹配
40较低
未提及灵活办公或WLB，互联网大厂研发岗通常工作强度大，推测为现场办公且可能存在加班。
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
职位致力于用AI提升创作体验，属于有意义的创新方向，但未明确社会价值导向。
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