字节跳动
校招后端开发工程师 - 飞书 AI Friendly
北京/杭州 · 校招 · 2027 届 · 本科
长期有效
任职要求
- 2027届获得本科及以上学历，计算机、软件工程等相关专业优先
- 具备扎实的计算机基础，理解数据结构、算法、操作系统、计算机网络和数据库等基本原理；熟悉至少一种主流编程语言，如Go、Java、Python、TypeScript、C++等
- 具备良好的工程意识，能够编写结构清晰、可测试、可维护的代码
- 对大语言模型、AI Agent或开发者工具有浓厚兴趣，愿意持续学习并动手实践
- 有较强的问题分析能力、责任心和团队协作意识，能够主动推动问题闭环
- 不要求已经具备完整的AI项目经历，但希望你对新技术保持好奇，并有把想法做成产品的热情。
- 【加分项】：
- 使用过Claude Code、Codex、Cursor、OpenClaw等AI Coding或Agent产品
- 了解Function Calling、MCP、RAG、Agent Workflow、上下文工程等相关技术
- 有后端系统、分布式系统、开发者工具、CLI、SDK或开放平台开发经验
- 有大模型应用评测、Prompt/Skill优化或Agent工具设计经验
- 参与过开源项目，或拥有质量较高的课程项目、个人项目及技术博客。
岗位描述
团队介绍：飞书 AI Friendly 方向致力于探索和建设面向 AI 时代的新一代协作平台，让飞书不仅是人高效工作的地方，也成为人与 AI Agent 自然协作的工作空间。
我们重点关注两个方向：一方面，让 AI 能够更好地理解和使用飞书。 另一方面，探索人与 AI Agent 共同协作的新范式。 我们希望通过产品、技术与交互体验的持续创新，推动协作工具从“承载人的工作”进一步演进为“支持人与 AI 共同完成工作的智能协作平台”。
- 1、参与飞书AI Friendly产品及基础设施的设计、开发和持续演进；
- 2、建设面向AI Agent的CLI、SDK、Skills、MCP工具及开放API；
- 3、优化Agent执行复杂任务的成功率、延迟、Token消耗和稳定性；
- 4、参与Agent身份、授权、事件订阅、审计与安全治理等企业级能力建设；
- 5、关注AI Agent、AI Coding和开源生态的发展，探索并验证新的技术方向；
- 6、参与开源项目建设，通过代码、文档和社区协作服务全球开发者。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。