字节跳动
AI Agent开发工程师-国际商业化增长
AI Agent开发工程师-国际商业化增长
发布于 大约 14 小时前普通员工/个人贡献者
北京市
中级经验
全职员工
仅现场办公
硕士
RAG
LLM
向量数据库
Prompt Engineering
LangGraph
AutoGen
Multi-Agent
广告增长
AI 估算 · 30k–60k
字节跳动核心商业化团队，AI Agent前沿技术，薪资竞争力强，市场偏高。
职位详情
关于这个职位
作为AI Agent开发工程师，你将负责构建面向广告增长和市场营销的智能Agent系统，整合大语言模型能力，打造全渠道个性化营销解决方案
该职位深度参与字节跳动国际商业化增长的核心技术研发，涉及Agent框架、RAG、Multi-Agent编排等前沿技术
最低要求
计算机科学、人工智能或相关领域硕士学位及以上
年以上AI相关工作经验，扎实的计算机基础（数据结构、算法、操作系统、网络）
对AI Agent架构有深入理解，熟悉以下技术栈中的一项或多项：Agent框架（LangChain、LangGraph、AutoGen、CrewAI）、Tool-Use和Function Call机制、RAG管线构建（向量数据库＋Embedding＋检索策略）、Prompt Engineering（CoT、Few-shot、ReAct Prompting）
优秀的系统设计能力，能在复杂业务场景中制定合理的技术方案
良好的团队协作与沟通能力
工作职责
设计与构建AI Agent系统：打造面向广告增长、市场营销场景的自主Agent框架，包括但不限于：基于ReAct/Plan-and-Execute范式的Task Planning引擎
可插拔的Tool-Use&Function Call技能层
长短期记忆融合的Memory管理机制（向量检索+对话摘要）
以及支持角色分工与消息路由的Multi-Agent Orchestration编排系统
深度整合LLM能力：设计Prompt Engineering&Chain-of-Thought推理链路，将大模型与业务系统通过RAG（Retrieval-Augmented Generation）和Structured Output对接，实现基于海量广告数据的智能决策，帮助广告主完成从注册→激活→成长的全生命周期增长
打造全渠道个性化营销Agent：基于Event-Driven Agent架构，构建覆盖WhatsApp、电话、邮件、广告位等多触点的AI驱动个性化推荐与自动化营销解决方案，实现Agentic Workflow（意图识别→策略生成→动作执行→效果反馈）闭环
优化增长内容创编与投放体验：利用多模态大模型能力，结合Agent自主评估与迭代优化（Self-Reflection/Critique Loop），大幅提升素材生成质量、投放策略自动调优等环节效率
跨团队深度协作：与产品、运营、销售、数据科学团队紧密合作，将AI能力转化为可量化的增长成果
优先资格
有广告系统、推荐系统、大数据平台开发经验，曾主导过至少一个项目的完整交付
有Multi-Agent系统设计与落地经验（Agent通信协议、状态管理、容错机制等）
具备MLOps、LLMOps实践经验，熟悉模型部署、评估与监控体系
对AI Agent前沿研究保持热情，持续关注ReAct、Reflexion、Tree-of-Thought、Plan-and-Execute等方法
对Claude，OpenClaw架构有深入理解
拥有开源AI项目贡献或技术博客产出，数据分析与产品思维兼备，能从业务视角驱动技术决策
良好的英文工作沟通能力
AI 洞察
优缺点分析
优点
- 字节跳动平台，国际商业化增长核心部门，业务影响力大
- 前沿AI技术栈（Agent、LLM、RAG），技能积累价值高
- 薪资和福利优厚，职业发展空间广阔
- 团队技术氛围浓厚，与优秀同事共同成长
- 技术复杂度高，需要持续学习前沿研究和实践
- 适合对AI Agent和LLM有浓厚兴趣、追求技术成长、能适应快节奏和高强度工作的工程师
缺点 / 挑战
- 工作强度较大，可能需要应对快速迭代和高压力环境
- 跨团队协作频繁，沟通成本较高
角色解读
- 深入AI Agent和LLM领域，成为技术专家，主导核心架构设计
- 向技术管理方向发展，带领团队打造商业化AI系统
- 横向扩展至广告系统、推荐系统等增长技术领域，提升业务影响力
- 设计和实现AI Agent框架，包括任务规划、工具调用、记忆管理和多Agent协作
- 整合大语言模型（LLM）到业务系统，通过RAG和结构化输出实现智能决策
- 构建全渠道个性化营销Agent，覆盖多个触点的自动化营销流程
- 优化内容创编和投放策略，利用多模态和Agent自我迭代提升效率
- 精通Agent框架（LangChain、AutoGen等）和Prompt Engineering技术
- 扎实的计算机基础，包括数据结构、算法、系统设计
- 熟悉RAG管线构建、向量数据库和LLM部署
- 具备良好的团队协作和沟通能力，能跨团队推动技术落地
申请策略
- 了解字节跳动商业化产品（如巨量引擎、TikTok Ads），在面试中展现业务理解
- 准备一个完整的Agent项目案例，解释设计思路和难点解决
- 突出Agent相关项目经验，包括框架使用、RAG构建、Multi-Agent系统等
- 展示系统设计能力，如复杂业务场景下的技术方案选型和落地方案
- 强调广告系统、推荐系统或大数据平台经验，尤其是主导项目交付的经历
- 附上开源贡献或技术博客链接，体现技术热情和深度
- 深入掌握LangChain/LangGraph/AutoGen等框架，动手搭建示例项目
- 学习MLOps/LLMOps实践，了解模型部署、评估和监控
面试指南
- 采用STAR法则（情境、任务、行动、结果）描述项目经验
- 结合具体技术方案和权衡分析，展示系统设计能力
- 从业务价值角度阐述技术决策，体现数据驱动思维
- 请描述你设计一个Multi-Agent系统的经验和架构
- 如何优化RAG管线的检索准确性和响应速度？
- 在处理复杂任务时，如何设计Prompt Engineering策略（如CoT、ReAct）？
- 当Agent系统出现错误或低效时，如何实现自我反思和迭代优化？
- 如何衡量AI Agent对广告增长业务的实际效果？
匹配度报告
70
综合匹配度
字节跳动核心增长部门，前沿AI Agent技术栈，薪资优厚，但工作强度大。
适合人群
适合追求技术前沿和职业发展、能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70
成长发展90
工作生活40
使命价值80
薪资福利匹配
70中等
字节跳动薪资水平行业领先，但JD未明确薪资范围，福利未提及，因此补偿性动机满足程度中等偏上。
薪资信号未披露（AI估算：30K-60K/月）
成长发展匹配
90较高
前沿AI Agent技术栈，丰富的学习和实践机会，与顶尖团队合作，发展性动机高度满足。
技术前沿前沿/新兴技术
技术栈LangChain、RAG、Multi-Agent、LLM、Prompt Engineering、向量数据库、Function Call、ReAct、Plan-and-Execute
业务类型profit_center
工作生活匹配
40较低
北京现场办公，字节跳动工作强度高，JD未提及WLB，生活化动机满足度较低。
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
80较高
AI驱动广告增长属于高速增长赛道，技术创新性强，社会影响力中性偏正面，意义感动机较高。
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