ByteDance logo
字节跳动
AI应用研发工程师(电商治理)-服务体验与治理

AI应用研发工程师(电商治理)-服务体验与治理

发布于 大约 14 小时前

普通员工/个人贡献者

上海市
中级经验
全职员工
仅现场办公
本科
软件工程
Langgraph
Rag
分布式系统
多模态
大模型
智能审核
电商治理

AI 估算 · 25k–45k

字节跳动上海AI研发岗位,3年经验中级工程师,结合大模型和Agent技术,薪资高于市场平均,月薪约25-45K。

职位详情

关于这个职位

作为AI应用研发工程师,你将参与电商治理领域的智能风险感知与审核系统开发,利用大模型、多模态技术和Agent架构构建实时风险检测与决策能力,支撑日均亿级流量

适合具备AI工程化经验、对电商安全感兴趣的技术人才

最低要求

本科及以上学历,计算机科学、人工智能、软件工程等相关专业

年及以上研发相关经验,1年以上AI研发经验,有电商/内容安全/智能审核领域经验者优先
精通Python/Golang,扎实的数据结构与算法基础,熟悉分布式系统设计
熟悉Agent、Skill、RAG、MCP等技术,有LangChain/LangGraph等框架实战经验优先
具备从用户需求出发优化AI系统的意识,能结合业务场景设计用户友好的交互流程

工作职责

作为AI应用研发工程师,你将深度参与智能风险感知、风险分析、智能审核、智能决策等关键系统的核心研发,解锁以下技术挑战与业务价值

多模态风险检测体系:基于大模型融合架构,构建商品、商家、直播、内容的多模态合规检测能力,精准识别假货山寨、虚假宣传、违禁信息等违规内容,支撑日均亿级流量的实时审核
敏捷模型研发体系:打造Few-Shot、Zero-Shot高效训练框架,实现天级模型迭代,快速适配电商场景的风险变异(如新型虚假宣传话术、违禁品变种)
治理Agent应用:基于Agent技术构建风险发现-定性-分析-规则和模型生产的全链路智能化能力,驱动审核决策从“规则+模型”向“智能Agent自主决策”升级

优先资格

有电商/内容安全/智能审核领域经验者优先

有LangChain/LangGraph等框架实战经验优先

AI 洞察

优缺点分析

优点

  • 字节跳动平台资源丰富,有机会接触前沿Agent技术和多模态AI
  • 电商治理是核心业务,岗位重要性高,发展前景好
  • 需要同时掌握算法和工程能力,技术广度要求高
  • 适合具备AI工程化经验、对大模型应用和电商安全感兴趣的技术人员,喜欢解决真实世界问题,能适应快节奏

缺点 / 挑战

  • 参与亿级流量实时系统,技术挑战大,能快速积累大模型工程化经验
  • 业务场景复杂,风险变异快,需要快速迭代和应对高压
  • 多部门协作,沟通成本较高

角色解读

  • 技术方向:从AI应用研发向大模型算法专家、系统架构师发展
  • 业务方向:深入电商治理领域,成为安全技术专家或产品负责人
  • 管理方向:可晋升为技术Leader,带领团队推进核心项目
  • 设计和开发多模态风险检测系统,基于大模型识别商品、直播等场景的违规内容
  • 构建Few-Shot/Zero-Shot训练框架,实现天级模型迭代,快速应对风险变种
  • 利用Agent技术打造风险发现、分析、决策的全链路智能化能力
  • 与产品、算法、审核团队协作,优化系统效果与用户体验
  • 精通Python或Golang,具备扎实的数据结构与算法基础
  • 熟悉大模型、Agent、RAG、多模态等相关技术栈
  • 有分布式系统设计经验,能处理高并发实时场景
  • 具备电商或内容安全领域背景,了解业务需求

申请策略

  • 提前了解字节跳动电商治理的技术博客和开源项目,展现技术热情
  • 准备好系统设计案例,尤其是大模型推理优化和高可用架构
  • 突出AI工程化项目经验,尤其是大模型、Agent、多模态相关
  • 量化成绩,如系统处理流量、模型迭代效率、业务指标提升等
  • 展示分布式系统设计和高并发处理案例
  • 如有电商或安全领域背景,务必强调
  • 补充LangChain/LangGraph等Agent框架实战经验
  • 学习多模态模型(如CLIP、BLIP)和Few-Shot训练方法

面试指南

  • 使用STAR法则(情境、任务、行动、结果)回答项目经验
  • 系统设计题先明确需求(流量、延迟、一致性),再选型(架构、存储、模型服务),最后讨论优化
  • 算法题结合具体业务,从数据、模型、部署全链路考虑
  • 请介绍一个你参与的大模型应用项目,包括技术选型和效果
  • 如何设计一个支持多模态内容的实时风险检测系统?
  • 谈谈你对Agent技术的理解,以及如何应用在治理场景?
  • 如何处理数据不平衡问题?举例说明Few-Shot学习在风险识别中的应用
  • 设计一个高并发、低延迟的审核API,如何保证系统稳定性?

职位点评

78
综合评分

前沿AI技术栈、大厂高薪,但工作强度大,WLB一般。

从薪资福利、成长空间、工作节奏和岗位方向综合评估,方便横向比较。

更适合这类人
适合以技术成长为首要动机,愿意投入高强度工作换取前沿经验和职业发展的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展90
工作生活50
使命价值75

薪资福利

85较高

字节跳动为已上市巨头,薪资在互联网行业具有竞争力,福利完善,但JD未明确具体薪资和福利,市场水准以上。

薪资信号未披露(AI估算:25K-45K/月)

成长发展

90较高

该职位涉及大模型、Agent、多模态等前沿技术,技术成长空间大,且公司内部有完善的培训和技术分享文化,但JD未明确提及晋升路径。

技术前沿前沿/新兴技术
技术栈大模型、Agent、RAG、多模态、Few-Shot、Zero-Shot、LangChain
业务类型profit_center

工作生活

50较低

字节跳动为互联网公司,工作强度较高,偶尔需要应对紧急问题,JD未提及弹性办公或WLB,上海办公室位于市区,通勤便利但加班可能较多。

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

75中等

电商治理直接对抗违规内容,具有社会价值,保护消费者权益,字节跳动作为平台影响力大,但JD未提及使命愿景。

行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs