字节跳动
AI基建工程师-风控
AI基建工程师-风控
发布于 大约 21 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
本科
分布式系统
GO
特征工程
AI基础设施
大模型
AI Agent
风控
推理框架
评测体系
AI 估算 · 30k–60k
字节跳动北京AI基建岗位，要求2年以上经验，薪资具有竞争力，按大厂水平估算。
职位详情
关于这个职位
该职位负责字节跳动风控AI基础设施的建设，涉及抖音、今日头条等全线产品
工作内容包括数据层、训练层、模型层、服务层、计算层的算法基础设施打造，以及特征工程、模型评测、AI Agent基础设施和大模型推理框架优化
适合有算法基建经验、对AI Agent和大模型技术有浓厚兴趣的工程师
最低要求
本科及以上学历，计算机、通信、电子工程、应用数学等相关专业优先，具备扎实的计算机基础
至少2年算法相关工作经验，有风控、广告、推荐、搜索等机器学习/算法基建或数据平台经验者优先
热爱计算机科学和互联网技术，精通至少一门开发语言（Go/Java/Python/C++/Rust等），具备良好的工程化能力和线上问题排查能力，有复杂系统设计与性能优化经验者优先
深入理解数据结构、算法、操作系统、计算机网络等基础知识，对高并发、高可用分布式系统有一定实践和认知
对AI Agent、智能决策、自动化风控有浓厚兴趣，积极追踪大模型及Agent开源社区进展，了解大模型训练、微调、服务化等基本原理
工作职责
风控AI Infra建设，面向抖音、今日头条等字节跳动全系产品，围绕数据层、训练层、模型层、服务层、计算层，打造稳定高效的算法基础设施
风控模型/Agent的特征工程与数据资产建设，包括数据采集/清洗/标注、特征消费与质量监控，在满足灵活与安全的前提下，构建高性能、高质量、可追溯的数据资产
模型及Agent评测体系搭建与优化，建设统一的离线/在线评测流程和榜单，支持效果回归测试、负面案例分析与效果归因
风控场景下AI Agent的基础设施建设与二次开发，沉淀通用组件和工具，包括但不限于CLI/Skills、知识库等，致力于提高Agent迭代与落地效率
大模型推理框架（如vLLM/XLLM等）在风控场景的适配与优化，探索推理加速、算力治理与成本优化方案
优先资格
有以下任一经验者优先：在特征工程/样本质量闭环建设方面具备系统性实践
深度参与过模型评测平台或评测榜单建设
拥有Agent二次开发或工具链建设经验
熟悉并在生产环境中运用vLLM等大模型推理框架开展性能优化与成本降低工作
对开源社区有过高质量贡献
AI 洞察
优缺点分析
优点
- 聚焦AI前沿技术，包括大模型、Agent、推理优化，积累稀缺经验
- 大厂平台，薪资福利有竞争力，职业发展空间广阔
- 技术栈更新快，需要持续学习大模型和AI Agent最新进展
- 对工程化能力要求高，需要兼顾性能与可维护性
缺点 / 挑战
- 加入字节跳动核心风控团队，接触海量数据和亿级用户场景，技术挑战大
- 工作强度较高，需要应对复杂系统和线上问题的快速响应
- 适合热爱底层技术、对AI基础设施有强烈兴趣，且能承受一定工作压力的工程师
角色解读
- 在AI Infra领域深耕，成为技术专家，主导大规模算法基础设施建设
- 向风控或AI Agent方向纵深发展，成为业务与技术复合型人才
- 有机会转向管理岗位，带领团队负责核心系统架构
- 打造风控AI基础设施，包括数据、训练、模型、服务、计算各层，支撑抖音等海量业务
- 负责特征工程与数据资产建设，确保数据质量与高性能消费
- 搭建模型及Agent评测体系，优化离线/在线评测流程
- 进行大模型推理框架的适配与优化，探索推理加速与成本优化
- 精通至少一门开发语言（Go/Java/Python/C++/Rust），具备扎实的工程化能力
- 深入理解数据结构、算法、操作系统、网络，有分布式系统实践
- 对大模型训练、微调、服务化有基本了解，关注Agent开源社区
申请策略
- 了解字节跳动风控业务背景，在面试中体现对业务与技术结合的思考
- 准备一个完整的技术项目案例，从问题定义到解决方案的细节
- 突出算法基建或数据平台相关项目经验，强调系统设计与性能优化成果
- 展示对大模型或Agent的实际应用经验，如推理框架使用、开源贡献等
- 列出熟悉的技术栈和解决复杂线上问题的案例
- 补充大模型推理框架（如vLLM）的实践，了解推理加速技术
- 深入学习AI Agent架构和工具链，如LangChain、AutoGPT等
- 强化分布式系统和性能调优能力，可研究Kubernetes、分布式存储等
面试指南
- STAR法则：描述背景、任务、行动、结果，突出量化指标
- 对于技术对比问题，从原理、适用场景、优缺点入手
- 设计类问题强调权衡决策，如性能与成本、灵活与安全
- 请描述你过去参与的算法基础设施建设，如何保证高并发下的稳定性？
- 你对大模型推理加速有哪些了解？能否对比vLLM与TensorRT-LLM？
- 如何设计一个特征工程平台，保证数据质量和实时性？
- AI Agent在风控场景中可有哪些应用？你如何评估其效果？
- 复习大模型训练、微调、推理优化相关知识
匹配度报告
66
综合匹配度
大厂核心AI基建，前沿技术栈，成长性极高，但工作强度大。
适合人群
适合追求技术成长、对AI前沿充满热情，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80
成长发展95
工作生活30
使命价值60
薪资福利匹配
80较高
字节跳动薪资具有行业竞争力，但JD未明确薪资范围，且未提及额外福利，补偿性动机满足度较高。
薪资信号未披露（AI估算：30K-60K/月）
成长发展匹配
95较高
该职位涉及AI Infra、大模型、Agent等前沿技术，成长空间极大，发展性动机满足度很高。
技术前沿前沿/新兴技术
技术栈AI Infra、大模型、Agent、vLLM、特征工程、分布式系统、风控
业务类型ambiguous
工作生活匹配
30较低
北京现场办公，未提及弹性或远程，互联网大厂普遍高强度，生活化动机满足度低。
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
60中等
风控业务对保障平台安全有社会价值，但非直接造福社会，意义感中等。
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