字节跳动
校招AI全栈开发工程师（电商/前后端） - 中国交易与广告
北京 · 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、软件工程等相关专业
- 熟练掌握Python/Go/Java/JavaScript至少一门开发语言，熟悉Node.js或Go，具备前后端一体化开发实践能力
- 熟练使用React等主流前端框架，能够独立完成复杂业务界面、数据可视化功能开发
- 理解LLM基础原理，熟悉AI Agent核心能力模块（Prompt工程、记忆机制、工具调用、RAG、多智能体），能够结合业务场景选型适配不同能力层级的大模型
- 熟练使用主流AI编码工具（TRAE、Claude Code、Codex等）；可借助AI完成需求拆解、代码编写、复杂逻辑重构、问题定位与修复、单元测试编写、代码评审，具备AI协同研发思维
- 掌握Git常用操作；具备良好沟通表达与团队协作能力，对新技术保持好奇心，擅长独立思考、复盘总结。
- 加分项
- 拥有AI Agent开发、部署与二次开发经验，可参与智能体在电商/生活服务/广告场景落地探索；包括交互开发、营销/商家经营/广告投放/创意工作流编排、任务拆分、多智能体并行调度、模型动态择优等实践
- 具备利用AI Coding工具提升个人与团队研发效能的实战经验；了解MCP协议、LLM工具调用机制，能够搭建AI自动化工作流，沉淀可复用调度模板与工程实践方案
- 具备电商交易、商家经营、营销活动、物流履约、本地生活，或是广告投放、创意素材、竞价营销系统等业务开发经历；拥有对话应用、智能任务编排、企业知识库平台相关项目经验优先。
岗位描述
团队介绍：中国交易与广告，负责抖音电商、生活服务、广告营销等营收业务的研发。用技术带来美好生活，让用户发现更多优价好物，为用户提供更丰富独特的生活体验；连接海量用户与商家，促进交易达成，让生态里全流程体验更流畅，助力营收业务长效增长。
加入团队，你将投身流量与增长主战场，挑战复杂业务场景技术难题；直面真实商家和用户，用技术解决看得见的问题，在实战中快速成长，书写属于你的价值故事！
- 1、依托AI Coding工具开展日常研发工作，独立负责电商、生活服务、广告相关项目前后端全栈开发、功能迭代与接口联调，承担业务方向前后端技术方案设计、技术选型与开发实现，覆盖商品、交易、营销活动、商家经营工作台、履约链路，以及广告投放、创意素材、竞价出价、效果分析等业务场景，保障业务需求高质量落地；
- 2、主导或参与前后端基础设施建设，沉淀通用组件库，持续优化工程化工具链、CI/CD交付流程，提升团队整体研发效能；
- 3、协同产品、算法、数据等跨职能团队，推进技术方案评审与对齐，把控项目进度，保障业务按时稳定交付；
- 4、持续跟进前端前沿技术，推动新技术业务落地，不断优化页面性能、稳定性与终端用户体验；
- 5、探索AI、Agent在电商、生活服务、广告场景的创新落地，基于大模型重构营销活动搭建、商家经营诊断、履约异常处置、广告投放与创意生成等业务流程，赋能研发与业务提效。
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。