字节跳动
校招AI Agent开发工程师（数据知识方向） - 数据平台
北京/杭州/上海 · 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、人工智能、软件工程、数据科学等相关专业优先
- 编程基础扎实，熟悉至少一种主流编程语言，具备良好的数据结构、算法、操作系统、网络或数据库基础
- 对前端（React/Vue/TypeScript）或后端（Node.js/Python/Go等）开发有实践经验，能独立完成模块设计、开发、调试与上线交付
- 对AI Agent/LLM应用有浓厚兴趣，愿意围绕用户问题持续打磨Prompt、评估方法和工程链路
- 具备良好的问题拆解、沟通协作和负责人意识，关注业务结果、工程质量和长期可维护性。
- 加分项
- 有AI Agent、LLM应用、数据产品、开发者工具、自动化工作流等相关项目经验
- 有可验证产出：个人项目、技术博客、开源贡献、论文/专利、竞赛或Hackathon作品等
- 熟悉数据平台、BI分析、数据研发链路，或有前后端全栈、工程化、评测体系建设经验
- 有从0到1快速交付产品能力的经历，并能清晰说明方案取舍与落地效果。
岗位描述
团队介绍：数据平台是字节跳动数据中台部门，为公司多业务线（包括抖音、电商、直播和生活服务等）提供一站式大数据解决方案，涵盖数据的生产、清洗、传输、建模、分析等全流程链路，提供数据开发、实验评估、画像标签、增强分析等多元场景解决能力。同时，数据平台部门也致力于把字节跳动积累沉淀的数据中台解决方案做商业化输出，让更多行业能够应用我们的产品能力构建自己的数据中台。在火山引擎上，我们提供了营销增长套件，数据中台等相关产品解决方案，为泛互联网、金融、汽车、新零售等行业提供了行业解决方案。
- 1、负责数据平台AI应用功能的设计、前后端开发与迭代，以业务效果为导向推动创意落地；
- 2、能够围绕用户场景完成AI能力调优（如模型调优、Prompt优化、效果评估），推动产品升级；
- 3、主动进行技术调研，将前沿AI技术转化为可落地的业务方案；
- 4、参与团队方案沉淀、技术文档编写等日常协作。
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。