小米
顶尖实习-智能体研究员-MiMo-实习
顶尖实习-智能体研究员-MiMo-实习
发布于 大约 2 小时前实习/见习
北京市
无经验要求
实习生
仅现场办公
学历未注明
实习与临时职位
大模型
Prompt Engineering
vLLM
AI 估算 · 8k–12k
AI智能体研究员实习，技术栈前沿，小米平台，薪资具有竞争力。
职位详情
关于这个职位
该职位为小米MiMo团队的智能体研究员实习岗位，专注于Agent平台架构设计、AI-Native开发与Prompt Engineering
你将参与构建面向大规模用户场景的智能体服务平台，探索MiMo模型能力边界，并将前沿AI技术转化为产品体验
适合对Agent系统和大模型推理有浓厚兴趣的学生
最低要求
熟悉前端技术栈（React/Vue + TypeScript），能独立完成端到端交付
深入理解大模型Agent范式（ReAct、Function Calling、Tool Use），有实际Agent系统开发经验
熟悉基座大模型的推理部署流程（vLLM/TGI/SGLang），了解模型量化、KV Cache优化等推理加速手段
熟悉 LangChain / LlamaIndex / AutoGen / Dify 等Agent开发框架至少一种
熟悉容器化技术（Docker/Kubernetes），有分布式系统或平台工程经验
工作职责
Agent平台架构与核心能力建设
主导Agent产品从技术选型到架构落地的全周期建设，打造面向大规模用户场景的智能体服务平台
抽象通用Agent能力层，沉淀可复用的任务调度、技能编排、状态管理等基础组件，支撑业务快速接入
围绕MiMo基座模型能力边界设计Agent系统架构，确保模型能力到产品体验的高效转化
AI-Native开发与模型能力探索
深度实践AI辅助编程（VibeCoding），将大模型作为核心生产力工具融入日常开发全流程
前沿探索MiMo模型能力边界，将代码生成、长上下文、多模态理解等基座能力转化为产品侧的差异化体验
持续跟踪开源与自研模型迭代节奏，将新模型能力快速集成至Agent系统
Prompt Engineering与推理链路优化
构建面向复杂业务场景的Prompt体系与上下文管理策略，最大化基座模型输出质量与稳定性
打通模型推理全链路（网关→推理→后处理），与算法团队协同推进模型效果持续调优
参与模型微调（SFT/RLHF/GRPO）数据构建与效果评估，为基座模型的Agent能力进化提供工程支撑
AI 洞察
优缺点分析
优点
- 小米品牌背书，简历含金量高，对职业发展有利
- 接触前沿AI Agent技术，技能积累快，行业需求旺盛
- 实际参与产品落地，从研究到工程的全流程经验
- 团队技术氛围好，有机会与顶尖算法工程师合作
- 技术栈要求全面（前端+Agent+推理），学习曲线陡峭
- 实习转正竞争激烈，需要短期内证明能力
- 适合对AI Agent有强烈兴趣、具备全栈开发能力、乐于探索前沿技术并希望快速成长的在校学生
缺点 / 挑战
- 作为实习生可能需要快速上手业务，压力较大
角色解读
- 实习转正后成为正式智能体研究员，深入参与核心项目
- 向高级研究员或技术专家发展，主导Agent系统设计与演进
- 横向扩展到AI产品经理或架构师岗位，全面负责AI产品落地
- 设计并构建Agent平台架构，包括任务调度、技能编排等核心组件
- 深度实践AI辅助编程，使用大模型作为开发工具
- 探索MiMo模型能力边界，将代码生成、多模态理解等转化为产品功能
- 优化Prompt体系和推理链路，与算法团队协作提升模型效果
- 扎实的前端开发能力（React/Vue + TypeScript），能独立交付
- 深入理解Agent范式（ReAct、Function Calling），有实际开发经验
- 熟悉大模型推理部署（vLLM/TGI/SGLang）和加速技术
- 掌握至少一种Agent框架（LangChain等）和容器化技术（Docker/K8s）
申请策略
- 在求职信中表达对小米MiMo模型和Agent方向的理解，展示热情
- 准备一个与技术栈相关的作品集或GitHub仓库链接
- 突出Agent相关项目经验，如基于LangChain或AutoGen的Demo
- 展示前端开发能力，特别是TypeScript和React/Vue项目
- 体现对大模型推理部署的理解，如vLLM使用经历
- 开源贡献或技术博客（尤其AI辅助编程相关）是加分项
- 动手搭建一个简单的Agent应用（如使用LangChain + OpenAI API）
- 学习vLLM等推理框架的基本原理和部署方法
面试指南
- 技术问题采用STAR法则：说明情境、任务、行动、结果
- 架构设计类问题：先明确需求（规模、场景），再对比方案选择，最后给出整体图
- 经验类问题：结合具体项目细节，突出你的贡献和思考
- 请描述你设计一个Agent系统的架构思路
- 你用过哪些Prompt优化技巧？如何保证输出质量？
- 解释vLLM的推理加速原理，以及如何部署模型
- 你有使用React/Vue开发复杂UI组件的经验吗？举例说明
- 如何将一个新模型能力快速集成到现有Agent系统中？
匹配度报告
68
综合匹配度
顶尖AI实习，前沿技术栈，成长空间大，薪资一般。
适合人群
该职位最适合追求技术前沿、希望快速积累AI Agent经验的求职者。
最强匹配
成长发展匹配
最弱匹配
薪资福利匹配
薪资福利50
成长发展85
工作生活60
使命价值75
薪资福利匹配
50较低
实习薪资处于市场水准，但小米提供免费食堂等福利，整体补偿性一般。
薪资信号未披露（AI估算：8K-12K/月）
成长发展匹配
85较高
接触最前沿的Agent技术栈和大模型推理，成长空间巨大。
技术前沿前沿/新兴技术
技术栈Agent、大模型、LangChain、vLLM、Kubernetes、TypeScript、React、Vue、Prompt Engineering、SFT、RLHF
业务类型ambiguous
工作生活匹配
60中等
北京现场办公，实习要求出勤，但可能有一定弹性。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
75中等
AI Agent是当前热门方向，行业高速增长，具有一定社会影响力。
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