字节跳动
大模型数据工程师-Code/Agent
大模型数据工程师-Code/Agent
发布于 大约 10 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
数据工程
GO
多模态
数据合成
大模型
Prompt优化
自动化评测
Gui自动化
Workflow编排
Code
AI 估算 · 30k–50k
大厂核心AI岗位，技术栈前沿，薪资竞争力强，中位数约40k/月
职位详情
关于这个职位
该职位负责大模型数据生产体系建设和Agent化能力落地，涉及Code、Agent、Application等方向，包括数据合成、环境构建、质量评估和训练反馈回流
你需要建设面向复杂场景的Workflow编排和自动评测系统，支撑模型在代码、多模态、工具调用等任务上的效果迭代
同时参与数据平台智能化演进，推动数据生产的标准化和自动化
最低要求
本科及以上学历，计算机、人工智能、软件工程等相关专业，具备大模型研发、数据工程、Agent系统、复杂中后台或平台型系统研发经验
具备扎实工程能力，熟悉Go/Python/TypeScript中至少一种，能够独立完成复杂业务系统设计、状态流转建模、高复用组件抽象、性能与稳定性治理
理解大模型数据生产链路，熟悉数据合成、标注平台、训练数据管道、质量评估、数据回流、Benchmark或自动化评测中的一种或多种，有真实业务落地经验优先
具备Agent/Workflow/Tool Use/GUI自动化/Sandbox/Runtime相关经验者优先
熟悉Prompt优化、轨迹分析、记忆系统、工具协议、任务编排或自迭代机制者优先
具备AI Coding、VLM Coding、长程任务、多模态数据、真实用户反馈数据、应用数据生产经验者优先
具备强烈的契约优先和边界防范意识，能在使用AI工具提升研发效率的同时，通过模块边界、自动化测试、质量门禁、灰度发布和可观测体系保障系统可靠性
具备良好的跨团队协作能力和自驱力，能从业务问题出发定义技术方案，推动算法、产品、评测和工程团队形成可落地的生产闭环
工作职责
负责大模型数据生产体系建设及Agent化能力落地，覆盖Code、Agent、Application等重点方向，从需求理解、数据合成、环境构建、质量评估到训练反馈回流，支撑模型在代码、多模态、工具调用、GUI操作和应用任务上的效果迭代
建设面向GeneralAgent、GUI Agent、Tool Use、Workspace/Env Scaling等场景的Workflow编排、任务调度、轨迹分析、自动评测和自迭代系统，提升复杂任务数据的规模、质量和可复用性
参与Code数据生产平台与业务产线建设，支撑VLM Coding、Frontend、SFT/MidTrain、DataScaling、Dogfooding/User feedback、Stone等方向，将真实用户回流、环境重建、长程任务和多模态代码任务转化为可训练、可验证、可持续迭代的数据资产
推动Application数据生产能力建设，面向豆包办公、群聊、企业问答等应用场景，抽象通用数据生产流程、标注工艺、质量门禁和评测回流机制，提升应用场景数据生产的标准化和自动化水平
推动数据平台智能化演进，建设AI辅助的智能标注、数据Mock、质量校验、价值评估、错误修正和任务分发能力，降低人工链路成本，提升数据生产稳定性和规模化效率
负责复杂中后台系统的架构设计与渐进式治理，在引入大模型辅助研发和Agent自动化能力的同时，建立清晰的业务边界、前后端契约、测试验证、权限隔离和风险防御机制
跟踪大模型、Agent、代码生成、多模态、自动化评测等前沿方向，与算法、产品、评测、业务团队协作，将技术探索转化为真实业务产线和模型效果收益
AI 洞察
优缺点分析
优点
- 前沿技术栈，接触大模型、Agent、多模态等热门方向，技能积累快
- 字节跳动平台大，资源丰富，能参与核心AI数据建设
- 薪资和福利有竞争力，年终奖丰厚
- 工作强度可能较大，需要快速迭代和应对复杂业务需求
- 技术面广，需要持续学习新知识，对综合能力要求高
- 适合技术扎实、对大模型数据工程充满热情、具备强烈自驱力和跨团队协作能力的工程师
缺点 / 挑战
- 涉及跨团队协作，沟通成本较高
角色解读
- 技术方向：成为大模型数据工程专家，深入AI基础设施和自动化评测领域
- 管理方向：有机会带团队，晋升为数据工程团队负责人
- 跨领域发展：转向算法或产品方向，利用工程背景推动AI应用落地
- 设计和构建大模型数据生产系统，包括数据合成、标注、质量评估和回流闭环
- 开发Agent化数据生产工具，支持Workflow编排、任务调度和自动评测
- 参与Code和Application方向的数据平台建设，提升生产自动化和标准化水平
- 扎实的编程能力（Go/Python/TypeScript），能独立设计复杂系统
- 熟悉大模型数据生产链路，有数据合成或标注平台经验
- 了解Agent/Workflow/Tool Use等AI系统架构，具备相关开发经验者优先
申请策略
- 研究字节跳动在豆包、AI Coding等方向的产品，面试中展现业务理解
- 准备一段关于如何提升数据生产效率的思考，体现创新意识
- 突出大模型数据生产或Agent系统相关项目经验，具体说明技术方案和成果
- 强调编程能力，列出精通的语言和设计复杂系统实例
- 展示跨团队协作案例，体现从业务问题到技术落地的闭环能力
- 补充Agent/Workflow相关实践，如利用LangChain或CrewAI搭建简单系统
- 学习数据合成和自动化评测工具，熟悉主流数据平台架构
面试指南
- STAR法则：情境-任务-行动-结果，突出个人贡献和技术难点
- 结构化思考：从问题定义、方案设计、实现、验证到迭代的完整链路
- 结合字节实际：提到豆包、代码助手等产品，体现业务敏感度
- 请描述你设计过的一个数据生产系统，包括架构和关键挑战
- 如何保证大规模数据合成的质量和一致性？
- 你对Agent系统的工作流编排有什么理解？请举例
- 在跨团队协作中如何推动技术方案落地？
- 如何平衡AI辅助研发与系统可靠性？
匹配度报告
71
综合匹配度
前沿大模型数据工程岗，高成长高薪酬，但工作强度较大，WLB一般。
适合人群
最适合注重技术成长和职业发展的求职者，能接受较高工作强度。
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
字节跳动提供有竞争力的薪资和福利，但JD未明确具体数字，整体补偿性较好。
薪资信号未披露（AI估算：30K-50K/月）
成长发展匹配
90较高
该岗位涉及前沿AI技术，有大量学习和成长机会，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈大模型、Agent、多模态、数据工程、自动化评测
成长机会大模型研发经验、Agent系统、前沿方向
业务类型profit_center
工作生活匹配
40较低
北京现场办公，未提及远程或弹性工作，大厂节奏可能较紧张，生活方式满足度一般。
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数据工程能推动大模型技术落地，对社会有一定影响，但更多偏向商业应用，使命感中等。
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