字节跳动
AI Agent框架与效果优化专家/工程师（代码智能方向）-TRAE
AI Agent框架与效果优化专家/工程师（代码智能方向）-TRAE
发布于 大约 10 小时前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
硕士
LLM
实验设计
指标定义
Prompt Engineering
AI Agent
Code Agent
Tool-Calling
多模型适配
AI 估算 · 35k–60k
字节跳动核心AI项目，硕士+高级工程师，市场薪资竞争力强，预估月薪35-60K，含15薪年终奖。
职位详情
关于这个职位
这是一个在字节跳动负责TRAE（代码智能Agent）效果优化与架构设计的核心技术岗位
你将设计多智能体框架、调度策略、Prompt体系与上下文工程方案，持续提升AI在真实开发场景下的问题解决能力
适合对LLM、Agent、Tool-Using有深度兴趣的资深工程师
最低要求
硕士学位及以上，计算机、软件工程、人工智能等相关专业背景，博士学位或具备同等实力者优先
具备扎实的编码能力与工程素养，熟练掌握至少一门主流编程语言（Golang/Python等），具备良好的数据结构和算法功底
有大模型应用相关经验者优先：熟悉大模型的Prompt调优，了解各种模型使用机制，能够针对模型做工程适配
对Agent框架、工具调用（Tool-Calling）、多轮规划/执行、上下文检索与编排等方向有实践经验或深度兴趣，能够从「端到端效果」视角思考系统设计
具备良好的产品意识与指标意识，能够从用户视角和业务视角反向设计评测指标与实验方案
具备良好的沟通协作能力和自驱力，愿意在快速变化的AI Coding领域中持续学习与探索
工作职责
负责TRAE整体Agent能力的效果优化与架构设计：设计、迭代TRAE的多智能体（Agent）框架与调度策略（如任务分解、工具编排、子Agent协作等），在真实开发场景下持续提升端到端问题解决能力与鲁棒性
负责多模型适配与策略调优：面向代码智能场景，完成模型适配、Prompt体系设计、推理策略与Pipeline设计，根据不同任务特征选择、组合和调度模型，提升整体编程成功率与用户体验
负责TRAE的Context Engineering体系建设：设计和落地代码智能场景下的上下文工程方案，包括代码仓库、文档、Issue/工单、日志等多源信息的召回、排序、压缩与注入策略，构建高质量上下文（Context），在复杂长链路任务中持续优化「用对信息」
负责Agent效果分析：搭建并完善TRAE端到端核心效果指标定义，对策略/模型/框架改动进行实验设计、结果分析与归因，驱动持续迭代
持续跟踪LLM、Agentic Workflow、Tool Use、Code Agent等方向的前沿进展，结合TRAE业务特点进行技术调研与方案创新，在关键方向上形成方法论沉淀，产出专利、论文或对内技术影响力
优先资格
在大模型、Agent、AI Coding等相关方向有高影响力项目经验或顶会论文/专利产出
有IDE/DevTools/CI/CD/代码分析等工具链相关研发经验，对工程实践有深刻理解
有构建自动评测平台、日志回放系统、智能数据闭环（从用户数据到训练数据）的经验
对开发者体验（DX）有强兴趣，乐于与真实开发者深度共建产品与工作流
AI 洞察
优缺点分析
优点
- 字节跳动核心AI项目，接触最前沿的LLM与Agent技术栈
- 参与从0到1构建智能体框架，技术影响力大
- 薪酬丰厚，含15薪及期权，字节跳动品牌加成
- 有论文、专利产出机会，提升个人技术声誉
- 技术难度大，涉及多模型适配、复杂链路优化，需持续学习
- 竞争激烈，团队都是顶尖人才，需保持极高自驱力
- 适合对LLM和Agent有深度热情、追求技术前沿、能承受高强度工作的资深工程师
缺点 / 挑战
- 工作强度较高，可能需要应对快速迭代和高压节奏
角色解读
- 在AI Coding领域深耕，成为Agent框架与效果优化的技术专家
- 可向架构师方向发展，主导更大型的智能体系统设计
- 也可向团队管理转型，带领工程团队攻克技术难题
- 设计和迭代TRAE的多智能体框架，包括任务分解、工具编排与子Agent协作，提升端到端问题解决能力
- 进行多模型适配与Prompt体系设计，优化推理策略与Pipeline，提高编程成功率
- 构建Context Engineering体系，多源信息召回、排序、压缩与注入，确保模型用对信息
- 定义核心效果指标，通过实验设计与结果分析驱动持续迭代
- 扎实的编码能力，精通Golang或Python，具备良好数据结构和算法基础
- 深入了解LLM、Prompt调优、Agent框架（Tool-Calling、多轮规划等）
- 具备全栈视角，能从端到端效果出发设计系统，有产品意识和指标思维
- 优秀的沟通协作与自驱力，能快速学习前沿技术并落地
申请策略
- 了解字节跳动AI Coding产品TRAE或豆包大模型，面试时可结合产品现状提出改进思路
- 展示对开发者体验（DX）的理解，体现用户思维
- 突出LLM/Agent相关项目经验，如Prompt优化、Tool-Calling、多Agent系统
- 展示工程能力：Golang/Python项目、架构设计、性能优化
- 如有论文、专利或高影响力开源贡献，务必列出
- 强调指标驱动和实验设计经验，体现产品意识
- 深入学习LangChain、AutoGPT等流行Agent框架的原理与源码
- 练习Prompt工程，掌握常用技巧（Few-shot、Chain-of-Thought等）
面试指南
- STAR方法：先描述背景（Situation）和任务（Task），然后说明采取的行动（Action）和结果（Result）
- 对于设计类问题，先明确目标和约束，再给出分层次的方案，并讨论权衡
- 结合具体数据或实验支撑观点，体现工程思维
- 请设计一个多Agent协作系统来解决代码审查任务，你会如何分解任务和编排Agent？
- 如何优化Prompt以减少模型幻觉并提升代码生成准确率？
- 描述一次你通过实验设计优化系统效果的案例，包括指标选择和归因方法
- Context Engineering中，如何从大量代码库中高效召回相关上下文？排序和压缩策略有哪些？
- 对于多模型适配，你如何根据任务特性选择模型？如何平衡效果与成本？
匹配度报告
78
综合匹配度
字节核心AI项目，顶尖技术栈，薪资优厚但工作强度大
适合人群
该职位最适合高度追求技术成长和薪资回报的资深工程师，但需接受高强度工作节奏。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利90
成长发展95
工作生活40
使命价值85
薪资福利匹配
90较高
字节跳动作为大型互联网公司，薪资待遇处于行业顶尖水平，且核心项目奖金丰厚，补偿性动机满足度高。
薪资信号未披露（AI估算：35K-60K/月）
成长发展匹配
95较高
岗位涉及LLM、Agent、Context Engineering等最前沿技术，有大量探索和创新空间，发展性动机几乎完全满足。
技术前沿前沿/新兴技术
技术栈LLM、Agent、Prompt Engineering、Golang、Python、Tool-Calling、Code Agent
业务类型profit_center
工作生活匹配
40较低
仅现场办公且未提及WLB，字节跳动工作节奏较快，生活化动机满足程度较低。
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
85较高
AI Coding是高速增长赛道，提升开发者生产力具有社会价值，且岗位要求持续创新，意义感动机满足度高。
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