字节跳动
AI Agent算法专家-国际电商
AI Agent算法专家-国际电商
发布于 2 天前普通员工/个人贡献者
北京市
专家级经验
全职员工
仅现场办公
学历未注明
研究与开发 (研发)
强化学习
LLM
多模态
SFT
电商
大模型
AI Agent
PPO
RLHF
AI 估算 · 40k–70k
高级AI Agent算法专家，字节跳动大厂，北京，技术稀缺度高，月薪40-70K，15薪，竞争力强。
职位详情
关于这个职位
该职位专注于构建电商领域的AI Agent系统，包括核心大脑、工具集、强化学习训练、自动化及基础设施
适合具有深厚AI算法背景和Agent开发经验的技术专家，将前沿技术应用于大规模电商治理场景
最低要求
精通Python编程，具备生产级应用的开发经验，熟悉Linux开发环境，并对数据结构和算法有深入理解
熟悉至少一种主流Agent框架，如LangGraph、OpenClaw、Hermes、Codex、Claude Code等，并有实际项目经验
深刻理解大模型（LLM）与AI Agent的核心原理，熟悉主流Agent架构（如ReAct/PlanAct）、多智能体系统（Multi-Agent）及上下文工程与记忆（Context Engineering/Memory）等概念
具备AI算法背景，对SFT、RLHF等Post-training技术有深入了解，有针对性优化模型能力的实践经验者优先
具备出色的技术沟通、项目管理和跨团队协同能力，能够撰写清晰的技术文档、教程和示例代码
对技术充满热情，具备优秀的分析和解决问题能力，能够主动追踪前沿技术并探索其在业务中的应用
工作职责
构建电商Agent核心大脑并追踪前沿技术：探索主流Agent框架，如LangGraph、OpenClaw、Hermes、Codex、Claude Code等，构建稳定可靠的Valley-Agent基座，重点提升任务的自动规划与调度、工具调用、多模态交互及深度研究能力
持续追踪AI Agent领域的最新进展，引入并验证新技术的可行性，沉淀技术文档与最佳实践，推动前沿技术在国际电商治理场景的创新应用
打造电商场景Skills工具集：基于电商业务系统，构建和优化一系列高性能、可复用的Skills
这包括利用小尺寸模型打造支撑高QPS场景的基础模型工具集，也包括将复杂的业务SOP（标准作业程序）封装为稳定可调用的治理Agent（如审核、RCA、立规Agent）
研发与优化Agentic RL：基于主流Agent框架，并结合Post-training技术（SFT/RLHF）与强化学习（PPO/GRPO）对模型进行持续优化，建立电商大模型的Agentic RL训练体系，提升模型在复杂问题上的准确率与动态反思能力
探索Agent自动化与自进化：结合Auto-Workflow与多智能体系统（MAS），一方面支持工作流的自动生成与优化，另一方面探索基于Agentic RAG和Memory机制的自进化（Self-Evolution）闭环，让Agent能够从真实交互数据中学习，持续提升其决策与执行能力
构建稳定可靠的Agent基础设施：负责Agent系统的性能与稳定性优化，包括资源利用、QPS、成本控制、环境交互速度等，并沉淀通用能力，构建包含可观测性与权限体系的Agent Infra，保障系统的安全可控
优先资格
在电商、内容风控、平台治理等领域有相关算法或研发经验
在强化学习领域有深入研究或实践经验，如Policy-based/Value-based methods、PPO、GRPO等
熟悉多模态（Multi-modal）推理技术，并有相关项目落地经验
对Agent安全（Safety）、成本优化、性能（QPS/稳定性）有深入思考或实践经验
在ICML、ICLR、NeurIPS、ACL、CVPR等学术会议上发表过有影响力的研究成果，或在ACM/ICPC、NOI/IOI、Kaggle等竞赛中获奖者
熟悉全球主流大模型服务及API，有设计并落地复杂Agent系统的经验
AI 洞察
优缺点分析
优点
- 字节跳动大厂平台，资源丰富，业务场景复杂，有真实落地机会
- 团队技术氛围浓厚，可接触顶级学术会议和竞赛成果
- 技术难度高，需要同时掌握Agent框架、大模型训练和工程优化
- 电商业务对稳定性、QPS和成本有严格要求，工作强度可能较大
- 跨团队协同多，对沟通和文档能力要求高
- 适合具备AI算法和工程双背景、热爱前沿技术、渴望在复杂业务中创造价值的资深技术人才
缺点 / 挑战
- 身处AI Agent最前沿，技术挑战大，成长空间极高
角色解读
- 沿着AI Agent架构师或技术专家路线深耕，成为Agent系统领域的顶级专家
- 横向拓展至多模态、自进化系统等前沿方向，主导技术革新
- 未来可向技术管理方向发展，带领团队推动AI在电商治理的全面落地
- 构建电商Agent核心大脑，探索LangGraph等框架，实现任务自动规划与工具调用
- 打造可复用的Skills工具集，包括小模型高QPS服务和复杂业务Agent
- 研发Agentic RL，结合SFT/RLHF和强化学习优化模型，提升准确率和反思能力
- 精通Python和Linux，具备生产级开发经验，深入理解数据结构和算法
- 熟悉至少一种主流Agent框架（如LangGraph）并有实际项目经验
- 深刻理解LLM与AI Agent原理，包括ReAct架构、多智能体系统和上下文工程
- 具备Post-training技术（SFT/RLHF）和强化学习（PPO/GRPO）的实践背景
申请策略
- 在求职信中表达对AI Agent技术趋势的理解，并阐明如何应用于电商场景
- 提前了解字节跳动国际电商业务，思考Agent能解决的具体痛点
- 突出Agent框架（LangGraph等）的实际项目经验，展示架构设计和优化成果
- 重点描述Post-training和强化学习（SFT/RLHF/PPO）的实践，附上量化结果
- 如果有电商或风控经验，务必强调业务理解与落地效果
- 列出学术论文或竞赛获奖，证明技术深度
- 若缺少Agent框架经验，可快速学习LangGraph并动手搭建一个简单Agent
- 补充强化学习相关知识，尤其是PPO、GRPO的原理和代码实现
面试指南
- 技术问题：从原理出发，结合自身项目经验，先讲总体思路再深入细节
- 系统设计：明确需求，评估约束，给出架构方案，考虑扩展性和稳定性
- 行为问题：用STAR法则讲清情境、任务、行动和结果
- 请描述你过去使用LangGraph或其他框架构建Agent的过程，遇到了哪些挑战？
- SFT和RLHF如何结合来优化大模型的Agent能力？
- 如何设计一个高QPS、低成本的Agent服务？
- 多智能体系统中如何协调多个Agent的决策？
- 谈谈你对Agent安全性的理解，如何防止恶意Prompt注入？
职位点评
74
综合评分
字节跳动AI Agent算法专家，前端技术顶尖，薪资优厚，但工作节奏快、压力大。
更适合这类人
最适合追求技术成长和前沿创新的求职者，愿意为高回报投入高强度工作。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展95
工作生活50
使命价值70
薪资福利
80较高
字节跳动头部大厂，薪资位于行业顶尖水平，福利完善，但具体薪资未明示，仍需面议。
薪资信号面议 (40K-70K/月)
成长发展
95较高
技术前沿性极强，Agent领域正高速发展，公司提供大量实践机会，成长路径清晰。
技术前沿前沿/新兴技术
技术栈AI Agent、LangGraph、LLM、SFT、RLHF、PPO、GRPO、多模态、强化学习
成长机会沉淀技术文档、追踪前沿技术、持续优化
业务类型profit_center
工作生活
50较低
仅现场办公，地点北京，未提及弹性工作或WLB，互联网大厂节奏通常较快。
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
70中等
电商行业成熟稳定，但治理场景有一定社会价值，创新性高。
行业发展稳定成熟行业
社会影响中性/一般
使命信号治理、安全可控
创新程度积极采用新技术
Watch Jobs