日常实习生-用户终端技术-AI应用开发工程师

AI 摘要智能生成

AI 应用开发及端到端研发链路建设

职位描述

你将参与 AI 应用开发及端到端研发链路建设，与团队共同探索 Agent、知识库与应用消费侧协同进化的工程实践。我们希望让真实任务产生的数据与经验进入下一轮改进，使 AI 能力不仅能够完成任务，也能在可验证的反馈中持续提升。 参与 Agent 核心能力研发，包括任务理解与拆解、工具调用与编排、上下文与记忆管理、Prompt／Skill 策略及反思纠错机制；结合真实研发任务的执行轨迹与失败案例，提出并实现可评测的改进方案。 参与知识库与 RAG 能力建设，包括知识接入、清洗与结构化、索引与检索、召回质量优化、知识缺口识别及更新反馈，探索将研发经验沉淀为可检索、可复用的知识与技能资产。 参与上述基建能力在端到端研发 Agent、工作流与 AI 应用中的集成和消费，完成从需求与方案到代码实现、工具／API 接入、测试验证及效果评测的实际工程任务，推动应用侧反馈反哺 Agent 和知识库能力。 参与评测与飞轮工程链路建设，包括任务与案例采集、数据集整理、评测执行、回归测试、问题归因和实验对比，关注任务成功率、功能正确性、知识检索质量、执行稳定性及时间／成本表现，将评测结果用于下一轮迭代。 参与版本与实验管理，保存候选方案、修改依据和评测结果，沉淀可复用组件与实践文档。改进方案经独立评测及团队审核后再进入稳定版本，避免仅凭模型自评或单一案例判断有效性。

任职要求

• 基础条件
• 计算机、软件工程、人工智能等相关专业优先。
• 专业能力
• AI编程工具重度玩家：Cursor、Claude code等AI编程工具重度或顶级玩家，具备极强的Prompt编写与调优能力，有过完整的项目级开发经验，理解如何让AI写出生产级代码。
• 大模型能力理解与掌握：理解主流LLM的能力与局限，能够清晰拆解任务并通过LLM或确定性逻辑兜底实现；熟悉主流大模型的应用范式(Context Engineering、Prompt Engineering、Agent、工具/函数调用等等)及主流Agent框架(如LangChain等)，具备大模型幻觉、Prompt注入等风险的工程化应对思路。
• 扎实的代码和工程能力：具备扎实的计算机基础知识，深入理解数据结构、算法、网络和操作系统等相关知识，能至少在一种主流编程语言（如 Java / Python / JS 等）上有深度的实践经验，掌握常见工程实践并具备优秀的Coding 能力，能够根据场景灵活选型并快速上手。
• 能力特质
• 学习能力： 具备快速啃透前沿论文（Paper）的能力，并能将理论知识转化为工程代码。
• 开放性与动手能力： 拒绝纸上谈兵，有自己独立完成的小项目（开源项目或个人 Demo），展现极客精神。
• 好奇心与想象力： 面对未知事物有独特的想法，具备敏锐的问题定义能力和坚韧的解决问题能力。
• 审美追求： 技术亦有审美，鼓励你提出能提出打动人心、简洁优雅的好想法。
• 高能动性： 具备强烈的自驱力，能够主动探索边界，而不是等待被分配任务。
• 加分项
• 有AI应用或Agent实际落地经验：包括不限于RAG系统、多智能体编排、结合MCP、Skill等的Agent项目，有可展示的项目/实习成果者优先。
• 开源贡献或技术影响力：在Github上有高质量AI项目、技术博客或社区影响力。
• 对AI Infra有基本理解：了解vLLM、Ollama等推理框架原理，理解延迟优化、KV cache优化、流式输出等工程全局视角。
• 在 CV（计算机视觉）或 NLP（自然语言处理）方向有扎实的理论基础，有实际业务场景模型训练(SFT、RL)等经验的优先。