字节跳动
Agent自进化算法工程师-AI Platform
Agent自进化算法工程师-AI Platform
发布于 大约 2 个月前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
Agentic框架
Agent自进化
Ai Coding
Prompt优化
Trace分析
大模型
归因分析
数据分析
机器学习
AI 估算 · 35k–55k
北京大厂高级算法岗，前沿AI方向，薪资竞争力强。
职位详情
关于这个职位
作为Agent自进化算法工程师，你将负责设计和实现Agent的自动迭代循环，包括评测、归因、优化和再评测，使Agent能够持续自我进化
你将建设通用化评测与归因分析引擎，从海量Trace中识别退化模式并驱动优化，同时探索自进化方法论并推动产品化
这是一个前沿的AI方向，适合对Agent和大模型有深入理解的工程师
最低要求
人工智能、计算机科学、统计学、软件工程等相关专业研究生及以上学历，具备扎实的工程与算法基础
精通Agent应用开发与调优：具备Agentic框架的实际开发与深度定制经验，熟悉主流Agent范式，在Prompt自动优化、记忆系统设计、上下文管理、工具/Skill调度等方向有深入实践
具备大模型应用认知，熟悉推理流程与能力边界，理解上下文管理、多Agent架构、Agent Teams等核心机制
扎实的机器学习与数据分析能力：熟练使用Python及常用ML库，擅长分类、聚类、归因分析、A/B实验等定量方法，能从海量Trace数据中发现问题模式
熟悉AI Coding工具，能利用AI Agent快速完成探索调研、原型开发与实验验证
工作职责
负责Agent自进化平台能力建设，基于已具备的Trace采集能力，设计并实现「评测→归因→分析→优化→再评测」的通用自动迭代循环，使多个业务线能基于自身Trace数据实现Agent的持续自进化，而非仅输出优化建议
建设通用化Agent评测与归因分析引擎，从海量执行Trace中自动识别退化模式、能力短板与优化机会点，并直接驱动优化执行（Prompt自动改写、工具配置调整、记忆策略更新等），执行后自动触发再评测验证优化效果，形成持续迭代循环
探索并沉淀自进化方法论，通过评测归因、对比学习、记忆检索、自动优化等手段实现Agent行为的系统化自动调优，使优化能力从单业务定制走向跨业务通用
与评测平台、Trace分析平台产品团队紧密协作，将上述闭环能力产品化，降低业务接入成本，提升自进化方法的通用性与可迁移性
AI 洞察
优缺点分析
优点
- 字节跳动大平台，技术氛围浓厚，资源丰富
- 与高水平团队合作，提升技术视野和工程能力
- 薪资福利优厚，职业发展路径清晰
- 技术难度高，需要对Agent和大模型有深入理解
- 工作强度较大，可能需要适应快节奏
- 适合对AI Agent和大模型有浓厚兴趣，具备扎实工程和算法能力，愿意探索前沿技术并快速迭代的工程师
缺点 / 挑战
- 前沿方向Agent自进化，有挑战性和创新空间
- 需要跨团队协作，沟通成本较高
角色解读
- 可向AI平台技术专家或架构师方向发展，深入Agent自进化核心
- 有机会带领团队，成为AI平台方向的负责人
- 跨业务通用化方法论沉淀，可拓展至更多AI应用领域
- 设计和实现Agent自进化平台的自动迭代循环，包括评测、归因、分析、优化和再评测
- 建设通用化Agent评测与归因分析引擎，从海量Trace中识别退化模式和能力短板
- 探索自进化方法论，运用对比学习、记忆检索等手段驱动Agent行为系统化调优
- 与产品团队协作，将闭环能力产品化，降低业务接入成本
- 精通Agentic框架开发与深度定制，熟悉Prompt优化、记忆系统等
- 具备大模型应用认知，理解多Agent架构与推理流程
- 扎实的机器学习与数据分析能力，熟练Python及ML库
- 熟悉AI Coding工具，能快速进行原型开发
申请策略
- 在简历中量化成果，如提升Agent成功率、减少迭代次数等
- 关注字节跳动AI平台的技术博客，了解最新动态
- 突出Agent开发经验，尤其是Prompt优化、记忆系统等实践
- 强调数据分析与归因分析项目，展示从数据中发现问题并优化的能力
- 展示大模型应用相关项目，如多Agent架构或推理优化
- 如有AI Coding工具使用经验，如Cursor、Copilot等，可提及
- 深入研究Agentic框架（如LangGraph、CrewAI），动手实现复杂Agent
- 学习对比学习、强化学习等调优方法，了解自进化原理
面试指南
- STAR法则：描述情景、任务、行动、结果，突出技术细节和量化结果
- 对于设计问题，首先明确目标，然后分模块阐述（数据、模型、优化、评估），体现系统思维
- 请描述一个你优化Agent行为的案例，使用了哪些方法？
- 如何从Trace中识别Agent的退化模式？会采用什么归因分析方法？
- 如果让你设计一个自进化循环，你会如何实现？
- 你熟悉的Agentic框架有哪些？它们的优缺点是什么？
- 如何处理多Agent协作中的冲突和上下文管理？
- 复习主流Agent论文和框架，如ReAct、AutoGPT、LangGraph
职位点评
65
综合评分
大厂、前沿技术栈、高成长性，但WLB一般。
更适合这类人
该职位最适合追求技术成长和前沿探索的求职者，不太适合重视工作生活平衡的人。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展90
工作生活40
使命价值60
薪资福利
70中等
字节跳动作为大厂，薪资福利有竞争力，但JD未明确具体薪资和福利，给分中等偏上。
薪资信号面议 (35K-55K/月)
成长发展
90较高
职位涉及前沿的Agent自进化技术，成长空间巨大，且有多个方法论探索和产品化机会，非常有利于技能提升。
技术前沿前沿/新兴技术
技术栈Agent自进化、大模型、Prompt优化、对比学习、记忆检索
业务类型ambiguous
工作生活
40较低
北京现场办公，未提及远程或弹性工作，大厂可能加班，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
60中等
AI行业高速增长，Agent自进化有较大社会价值，但JD未强调使命感，影响一般。
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