字节跳动
AI Agent记忆系统工程师/架构师-基础设施
AI Agent记忆系统工程师/架构师-基础设施
发布于 大约 4 小时前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
本科
分布式系统
RAG
GO
多模态
向量数据库
大模型
AI Agent
Memory系统
AI 估算 · 35k–60k
字节跳动高级工程师/架构师级别，北京，AI前沿领域，薪资竞争力强，参考市场水平及公司薪酬结构。
职位详情
关于这个职位
该职位负责构建下一代AI Agent的记忆基础设施，设计并实现支持长期、会话、任务记忆的统一平台，确保海量数据下的低延迟和高可用
你将深入大模型与上下文工程的交叉领域，探索记忆表征、召回排序、多模态融合等关键技术，并与团队合作推动记忆能力在真实业务中落地
适合具备分布式系统和大模型应用经验、对AI基础设施有热情的技术专家
最低要求
计算机、人工智能、数据科学等相关专业，本科及以上学历
具备扎实的分布式系统、数据库、检索系统或人工智能基础设施相关经验，有较强的系统设计与工程落地能力
熟悉Go/Java/Python/C++语言中的一种，具备良好的代码质量意识与工程规范
理解大模型应用中的核心技术问题，包括但不限于Embedding、RAG、Context Engineering、检索增强、长期状态管理等
熟悉记忆（Memory）相关关键技术中的一个或多个方向：记忆抽取与表征、向量/图索引、召回与排序、记忆更新、压缩与遗忘、多模态记忆融合
能够从系统与算法结合的视角分析和优化效果、延迟、成本与可扩展性，有真实复杂系统经验者优先
工作职责
负责新一代AI Agent Memory基础设施的架构设计、核心模块研发与系统演进，建设支持长期记忆、会话记忆、任务记忆等能力的统一记忆平台
面向海量数据、低延迟和高可用场景，设计并优化记忆系统的写入、存储、索引、检索、更新、压缩与遗忘机制，支撑在线推理与个性化交互
围绕大模型、Context Engineering与数据管理的交叉问题，探索记忆表征、召回排序、冲突消解、摘要融合、记忆生命周期管理等关键技术
设计支持文本、图像、音频、行为等多模态信息的统一记忆模型与处理流程，提升Agent在复杂场景下的长期一致性、个性化与任务完成效果
与模型、应用、平台等团队协作，推动Memory能力在真实业务中的落地，并从效果、成本、延迟、稳定性和安全性等维度持续优化系统，跟踪技术前沿方向，参与制定AI Agent Memory服务的中长期技术规划，推动关键能力演进与技术创新
优先资格
有Agent Memory、用户画像、搜广推特征平台、知识库等相关研究或工程经验
参与过Mem0/MemOS/MemU等相关开源项目，对社区主流Memory方案有深入理解
在数据库、信息检索、机器学习或人工智能系统相关领域有高质量论文、开源影响力或代表性技术成果
有多模态信息处理、在线推理系统、个性化Agent或长期用户状态建模经验
AI 洞察
优缺点分析
优点
- 处于AI Agent爆发的前沿赛道，技术壁垒高，个人成长空间大
- 字节跳动平台资源丰富，技术氛围浓厚，可接触大规模真实场景
- 对系统设计、算法理解和工程实现能力要求极高，需要持续学习最新技术
- 涉及多团队协作，沟通与项目推动能力需较强
- 适合拥有扎实分布式系统背景、对AI Agent和记忆系统有浓厚兴趣、喜欢解决复杂工程问题的资深技术人才
缺点 / 挑战
- 工作内容结合系统与算法，极具挑战性和创造性
- 业务压力大，可能需要应对高并发、低延迟等严苛性能指标
角色解读
- 成为AI Agent Memory领域的技术专家，主导下一代记忆系统架构演进
- 横向扩展至大模型基础设施、多模态系统或搜索推荐等关联方向
- 晋升为技术负责人或架构师，带领团队推动关键技术创新与业务落地
- 设计和构建AI Agent的记忆基础设施，涵盖长期记忆、会话记忆和任务记忆的统一平台
- 优化记忆系统的写入、存储、索引、检索、压缩与遗忘机制，满足海量数据、低延迟和高可用要求
- 探索记忆表征、召回排序、冲突消解、摘要融合等关键技术，提升Agent的长期一致性和个性化能力
- 扎实的分布式系统、数据库或AI基础设施经验，具备系统设计与工程落地能力
- 精通Go/Java/Python/C++中至少一门语言，代码质量意识强
- 深入理解大模型应用中的核心技术，如Embedding、RAG、Context Engineering等
申请策略
- 准备一个自己在分布式系统或AI项目中解决复杂问题的案例，突出系统设计与算法结合的思路
- 了解字节跳动在AI Agent方向的最新进展，面试中展现对业务场景的理解
- 突出分布式系统、数据库或AI基础设施的设计与落地经验，具体说明负责过的系统规模、性能指标
- 强调在大模型应用或RAG领域的实践，如Embedding、检索增强等
- 如有Memory相关项目或开源贡献，重点展示
- 深入理解主流Memory框架如Mem0/MemOS，动手实验并总结其设计思路
- 巩固向量数据库、图索引等技术，并实践多模态信息处理
- 学习在线推理系统的常见架构与优化手段
面试指南
- 从系统架构角度分层阐述，先讲整体设计，再深入具体机制（如索引、压缩、更新策略）
- 结合权衡分析，给出不同场景下的优化取舍，体现系统思维
- 用实际案例说明，突出个人贡献和结果量化
- 请设计一个支持长期记忆的AI Agent记忆系统，如何保证低延迟和高可用？
- 在Memory系统中，如何平衡记忆的准确性和存储成本？
- 描述一下你对RAG和Context Engineering的理解，以及它们与Agent Memory的关系
- 你在过去项目中遇到的最大技术挑战是什么？如何解决的？
- 复习分布式系统经典设计（如CAP、Paxos/Raft、一致性哈希），准备系统设计题
匹配度报告
71
综合匹配度
字节跳动AI前沿岗位，技术领先、薪资优厚，但工作强度大、办公灵活性低。
适合人群
最适合追求技术成长和职业发展、不排斥高强度工作节奏的技术专家。
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
字节跳动为已上市巨头，薪资待遇在业内处于领先水平，高级技术岗位薪酬丰厚，且福利完善（五险一金、补充医疗等），但JD未披露具体薪资，故信号为“未披露”。
薪资信号未披露（AI估算：35K-60K/月）
成长发展匹配
90较高
该职位聚焦AI Agent记忆这一前沿技术领域，涉及大模型、分布式系统、多模态等尖端技术，能极大提升个人技术深度和广度。公司内部有丰富的技术交流和晋升机会，但JD未明确提及晋升通道。
技术前沿前沿/新兴技术
技术栈AI Agent、Memory系统、大模型、RAG、Embedding、分布式系统、向量数据库、多模态
业务类型profit_center
工作生活匹配
40较低
字节跳动工作强度较大，JD未提及弹性办公或远程工作，默认现场办公，且互联网大厂通常有加班文化。北京办公地点可能在市区或科技园，通勤成本较高。
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
AI Agent是当前高速增长赛道，该职位通过构建记忆系统推动AI Agent进化，具有一定社会价值。但字节跳动商业化导向强，使命信号不明显。
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