部门介绍
TikTok短视频 machine learning团队,负责TikTok短视频的基础推荐算法,直接为TikTok短视频的核心用户体验负责。我们的工作内容包括大规模推荐算法的优化、复杂约束的优化问题的解决、CV/NLP等多个学术领域的算法改进以及对多种场景的推荐架构的设计和对产品数据的复杂深入的分析。在这里,你可以深入钻研机器学习算法的改进和优化,探索前沿的技术;可以跟来自全球不同国家的团队合作, 感受不同文化的碰撞, 激发认知;可以通过对产品和内容生态的深度分析,影响产品未来的发展方向。
岗位职责
- 设计与研发Agent Harness:负责模块的方案设计与实现,建设任务规划与执行、工具调用、上下文与记忆管理、多Agent协作、异常恢复及人机协同等能力,提升复杂任务与长程任务的执行质量;
- 建设研发知识库与上下文体系:整合技术文档、代码、实验记录及业务知识,建设知识处理、索引、检索与更新流程,优化RAG和上下文组织,提升知识的准确性、时效性与可追溯性;
- 建立Benchmark与评测迭代闭环:围绕真实研发任务构建可复现的评测基准、自动化评测与回归流程,结合运行轨迹和失败案例分析,持续优化任务成功率、结果质量、时延与成本;
- 建设一站式云端Agent平台:参与平台架构设计,建设开发调试、沙箱执行、任务调度、版本管理、权限管理及运行观测能力,解决并发、资源利用和运行稳定性等工程问题;
- 推动Agent在算法研发中落地:与推荐算法工程师合作,识别高价值研发场景,接入代码、数据、训练及实验平台,推进从需求分析、原型验证到部署交付和持续优化的完整流程,并衡量实际效率收益;
- 主动推动技术与产品迭代:持续跟进Agent领域的前沿进展,结合用户反馈与评测结果提出改进方向,完成技术选型、方案验证和能力沉淀,提升平台的易用性与复用价值。
职位要求
- 本科及以上学历,计算机、软件工程、人工智能等相关专业;具备2年及以上软件研发、算法工程或AI平台相关工作经验;
- 有实际的Agent或LLM应用研发经验,能够独立推进功能或模块的设计、开发与交付,并清晰说明关键设计决策、遇到的问题及验证方法;
- 熟悉Agent系统中的若干关键技术,如工具调用、任务编排、上下文与记忆管理、RAG、多Agent协作或自动化评测;能够分析复杂任务中的失败原因并提出有效改进方案;
- 具备扎实的工程能力,熟练使用Python,熟悉后端服务开发、接口设计及常用数据存储,具备系统调试、性能优化和运行问题排查能力;
- 有独立思考、主动性和责任感,能够从模糊需求中发现并定义问题,制定可验证的目标与实施路径,推动方案落地并对结果负责;具备良好的沟通协作能力与开发者产品意识,能够理解算法工程师的实际需求,兼顾技术效果、使用体验与长期维护成本;
- 欢迎在简历中介绍你独立负责或推动落地的项目,并附上可公开分享的代码仓库、技术文章或Demo,我们期待了解你的设计判断、落地过程,以及如何衡量实际效果。 加分项:
- 有生产环境中的Agent Harness、Coding Agent、LLM应用平台或研发工具建设经验;
- 有云端平台、分布式系统、容器与任务调度相关经验,或参与过高质量开源项目;
- 有Agent Benchmark、运行轨迹分析、复杂工具调用或知识库效果优化经验;
- 了解推荐、搜索或机器学习,有召回、排序、模型训练或实验分析经验。