字节跳动
Agent策略工程师-飞书Aily
Agent策略工程师-飞书Aily
发布于 大约 7 小时前普通员工/个人贡献者
深圳市
中级经验
全职员工
仅现场办公
学历未注明
软件工程
数据驱动
性能优化
大语言模型
根因分析
效果优化
评测数据集
上下文管理
工具调用
Agent策略
AI 估算 · 25k–45k
AI Agent热门方向，字节大厂，深圳薪资水平较高，综合预计月薪25-45k。
职位详情
关于这个职位
该职位负责飞书Aily通用Agent的设计与实现，包括效果优化、性能调优和成本控制
您将建立评测数据集和验证体系，并通过根因分析持续改进上下文管理、记忆和工具调用等核心策略
适合对大语言模型和AI Agent有深入理解的技术人才
最低要求
具备良好的逻辑思维与问题拆解能力，能将复杂业务抽象为可优化的Agent策略或算法问题
熟悉大语言模型的原理及生态，具备Agent策略优化或评测经验
对AI前沿技术有强烈的好奇心，具备优秀的学习能力和动手能力，能快速理解和复现相关技术博客或者期刊的技术方案
工作职责
负责通用Agent的设计与实现，持续优化复杂场景下的效果、性能、成本
建立可追溯的高质量评测数据集和效果验证体系，推动数据驱动的效果迭代
针对评测与使用过程中发现的问题，结合真实案例进行根因分析与量化验证，设计上下文管理、记忆、工具调用等方向的优化方案，并持续演化
AI 洞察
优缺点分析
优点
- 大厂平台，飞书产品线发展前景好
- AI Agent是当前热门方向，技术积累价值高
- 数据驱动的工作方式，成长迅速
- Agent策略优化难度大，涉及多模块协同
- 对新技术跟进要求高，需要持续学习
- 适合对AI技术充满热情，具备扎实大模型基础，喜欢解决复杂问题的技术人才
缺点 / 挑战
- 字节工作节奏较快，可能面临一定压力
角色解读
- 向AI Agent架构师方向发展，主导复杂智能系统的设计
- 深入底层技术，成为大模型应用专家
- 转向产品技术管理，带领Agent策略团队
- 设计和实现通用Agent系统，优化复杂场景下的效果、性能和成本
- 建立高质量评测数据集和验证体系，通过数据驱动持续改进
- 针对问题开展根因分析，设计上下文管理、记忆、工具调用等优化方案
- 掌握大语言模型原理及生态，了解Agent框架
- 具备Agent策略优化或评测的实践经验
- 逻辑思维强，能拆解复杂业务问题
- 快速学习和动手能力，能复现前沿技术方案
申请策略
- 关注飞书Aily产品动态，面试中展示对业务的理解
- 准备一个你优化的Agent策略案例，说明思路和效果
- 突出Agent相关项目经历，尤其优化策略和评测方法
- 强调大语言模型应用经验，如Prompt工程、RAG等
- 展示问题分析和数据驱动改进的案例
- 深入了解主流Agent框架（如LangChain、AutoGPT等）
- 积累大模型评测方法论和实践
面试指南
- 对于策略优化类问题，使用STAR法则（情境-任务-行动-结果）
- 对于技术方案讨论，从场景、选型、实现、效果闭环阐述
- 请描述你优化过一个Agent系统性能的经历
- 如何设计评测数据集来验证Agent效果？
- 上下文管理有哪些技术方案？优缺点是什么？
- 工具调用中如何处理错误和异常？
- 你对当前Agent领域的发展趋势有什么看法？
- 复习大模型原理，特别是RLHF、函数调用等
匹配度报告
68
综合匹配度
大厂AI Agent核心岗位，前沿技术，成长快但工作强度大。
适合人群
适合追求技术成长和前沿领域，能适应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85
工作生活40
使命价值75
薪资福利匹配
70中等
字节跳动作为头部互联网公司，薪资福利有竞争力，但JD未明确具体数额。
薪资信号未披露（AI估算：25K-45K/月）
成长发展匹配
85较高
岗位涉及前沿AI技术，数据驱动迭代，成长空间大。
技术前沿前沿/新兴技术
技术栈大语言模型、Agent策略、上下文管理、工具调用
业务类型profit_center
工作生活匹配
40较低
字节工作强度较大，且未提及弹性安排，WLB可能一般。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
75中等
AI Agent是热门赛道，具有较强的技术前沿性和创新性。
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