百度
智能体应用开发实习生（J99649）
智能体应用开发实习生（J99649）
发布于 大约 15 小时前实习/见习
北京市 / 上海市
无经验要求
实习生
仅现场办公
本科
PyTorch
RAG
知识图谱
大模型
LlamaIndex
Neo4j
Ai Coding
AI 估算 · 6k–10k
大厂AI算法实习薪资较高，结合北京上海生活成本，月薪范围合理。
职位详情
关于这个职位
这是一个在百度参与大模型智能体应用开发的实习岗位
你将负责Agent在混合云场景下的工程化落地，构建代码知识图谱，并探索AI Coding前沿技术（如代码生成、自动化测试）
适合对AI Agent、RAG、LLM有热情，且熟悉Python/Java/Go及主流框架的同学
最低要求
本科及以上学历在校生，计算机、人工智能、自动化、数学专业优先
线下实习5个月及以上，每周至少出勤4天
熟悉计算机操作系统、数据结构、算法、网络等基础知识，熟练掌握Python/Java/Go任意一种语言
掌握RAG技术原理及Prompt工程方法，理解知识图谱基本概念（Neo4j/FalkorDB等）
熟悉LangChain/LlamaIndex等Agent编排框架，使用过Coze/Dify/AppBuilder/百炼等任一平台
思路清晰，具备良好的文档撰写与沟通能力，能独立分析和解决问题
抗压能力强，对AI赋能研发效能有浓厚兴趣
工作职责
参与大模型智能体应用的设计与开发，探索Agent在混合云场景下的工程化落地方案
基于代码库数据构建结构化知识表示，支持代码理解、问题溯源与根因分析等智能化场景
利用Agent技术对代码质量、研发效能等方向进行自动化分析，辅助团队识别和解决高频问题
参与AI Coding相关能力的探索与实践，涵盖代码生成、自动化测试、自动化部署等方向
探索并跟进业界前沿的codeagent实现方式方法，探索前沿的建模方式、训练策略、数据策略，以达到SOTA效果
探索AI能力的极限，并赋能产品以创造价值
优先资格
熟练应用PyTorch/TensorFlow/Paddle/DeepSpeed等框架者优先
了解代码分析工具（AST、代码调用链、依赖分析），或有CodeAgent/AI Coding相关实践经验者优先
AI 洞察
优缺点分析
- 直接参与百度的AI核心项目，接触大模型、Agent等前沿技术，技术成长快
- 公司平台大，资源丰富，有机会与行业大牛共事，积累宝贵经验
- 实习期即可参与实际产品开发，产出可量化，为简历增色
- 需要同时掌握多种技术（RAG、知识图谱、Agent框架），学习曲线陡峭
- 实习期较长（5个月以上），每周至少4天，对课业压力大的同学可能造成负担
- AI领域竞争激烈，对结果要求高，抗压能力需较强
- 适合对AI Agent、大模型应用有浓厚兴趣，希望在大厂积累实战经验，且能投入较长时间实习的计算机相关专业学生
角色解读
- 从实习转正为正式员工，深入参与百度核心AI产品的研发，成为Agent领域专家
- 积累大模型工程化经验，未来可转向AI架构师或技术Leader方向
- 掌握AI Coding前沿技术，成为研发效能领域的专家，推动行业创新
- 设计并开发大模型智能体应用，将其落地于混合云场景，解决实际工程问题
- 构建代码知识图谱，利用Agent技术进行代码理解、问题溯源和根因分析
- 参与AI Coding探索，包括代码生成、自动化测试和部署，提升研发效能
- 跟踪业界前沿CodeAgent方法，优化模型训练策略和数据策略以追求SOTA
- 掌握Python/Java/Go至少一门语言，具备扎实的计算机基础（数据结构、算法、网络）
- 熟悉RAG技术、Prompt工程与知识图谱（如Neo4j），能构建智能体应用
- 熟练使用LangChain、LlamaIndex等Agent编排框架，有Coze/Dify等平台经验
- 对深度学习框架（PyTorch/TensorFlow）和代码分析工具（AST）有了解者加分
申请策略
- 在简历中体现对百度AI产品的了解，如文心一言、千帆平台等，展现热情
- 提前准备一个Agent应用场景的思考，面试时主动分享
- 突出项目经历中与RAG、Agent或大模型相关的部分，展示技术实现细节
- 强调编程能力，尤其是Python和主流框架的使用经验，附上GitHub链接
- 如果有知识图谱构建或AI Coding相关项目，务必详细描述
- 快速上手LangChain和LlamaIndex，动手搭建一个简单的Agent demo
- 复习RAG原理和Prompt工程技巧，准备一个小型问答系统案例
- 了解代码分析基础（AST、调用链），阅读相关开源项目代码
面试指南
- 对于技术原理类问题，先清晰阐述核心概念，再结合项目实例说明应用，最后总结关键点
- 对于设计类问题，按照“需求分析-架构设计-技术选型-实现步骤-预期效果”的框架回答
- 请解释RAG的工作原理，并说明如何在项目中应用
- 你如何设计一个Agent来辅助代码 reviews？
- 讲一个你使用LangChain或类似框架的项目经验
- 知识图谱在代码理解中有什么作用？请结合实例说明
- 你对AI Coding的未来发展方向有什么看法？
- 复习RAG、Prompt、Agent框架的基础知识，并准备一个亲手实践过的demo
匹配度报告
64
综合匹配度
大厂AI Agent实习，前沿技术栈，成长性极强，但要求长时间现场办公。
适合人群
最适合追求技术成长、愿意投入时间学习前沿AI技能的学生，对薪资和WLB要求不高。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利50
成长发展95
工作生活40
使命价值70
薪资福利匹配
50较低
薪资未明确披露，实习薪资通常中等偏低，但大厂福利尚可。由于JD未提及具体薪资和福利，补偿性动机满足一般。
薪资信号未披露 (6K-10K/月)
成长发展匹配
95较高
该岗位处于AI前沿技术领域，涉及大模型、Agent、RAG等新兴技术，技能成长空间极大。公司平台大，实习经历含金量高，发展性动机满足极强。
技术前沿前沿/新兴技术
技术栈大模型、Agent、RAG、LangChain、LlamaIndex、知识图谱、AI Coding、CodeAgent
业务类型ambiguous
工作生活匹配
40较低
要求线下实习且每周至少出勤4天（5个月以上），未提及弹性工作或远程可能，生活化动机满足较低。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
70中等
AI赋能研发效能、推动技术前沿具有一定社会价值，但岗位侧重工程落地而非直接解决社会问题，意义感中等偏上。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs