字节跳动
校招大语言模型Agent全栈开发工程师 - 中国交易与广告
成都 · 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、人工智能相关专业
- 扎实工程功底，熟练掌握Python/Go/Java任一语言，具备分布式、高可用系统开发经验
- 精通LLM应用技术栈，熟悉Prompt工程、Function Calling、RAG、Agent任务编排，拥有完整Agent系统落地经验
- 了解LangChain、LlamaIndex、AutoGen等主流Agent框架，可基于框架二次开发
- 熟悉AI辅助开发工具，对AI原生研发模式有实践思考
- 良好跨团队协作能力，自驱力强，可推动复杂项目落地。
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、负责内部研发场景AI Agent平台架构设计与核心开发，实现具备代码生成、缺陷诊断、工程重构能力的智能体，落地规划、记忆、工具调用、多轮交互等核心能力；
- 2、结合交易广告业务研发流程，搭建AI原生研发工具：智能代码助手、自动化CodeReview、测试生成、线上故障诊断、知识库问答等，提升研发交付效率与代码质量；
- 3、开发Agent任务编排引擎，搭建标准化工具生态，打通代码仓、CI/CD、监控、测试平台等基础设施，实现研发流程端到端自动化；
- 4、搭建工程领域RAG知识系统，整合代码、技术文档、项目案例，为Agent提供精准知识支撑；
- 5、联动算法团队开展大模型场景适配，搭建Agent评测基准与指标体系，持续迭代智能体效果；优化平台使用体验、性能与可观测能力，搭建用户反馈闭环，推动AI研发工具规模化落地。
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。