趣加
转正实习-AI Agent 工程师-数据
转正实习-AI Agent 工程师-数据
发布于 2 天前实习/见习
实习生仅现场办公人工智能
人工智能
Ai Agent
Autogen
Prompt工程
Rag
向量数据库
大模型
游戏数据
值不值得投
70综合评分
综合评分 70
前沿AI Agent技术实习岗，转正机会明确，技术成长性强，但WLB未知。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
薪资怎么样
8K
比人工智能中位数低
发布情况
新岗位 · 2 天前发布
公司情况
这家公司招聘很活跃
55 个在招 · 其中人工智能 4 个
市场机会
选择面较广
上海 · 人工智能 · 约 210 个在招
职位详情
关于这个职位
这个职位负责AI Agent系统的开发和优化，应用于游戏数据治理、素材自动化生产和发行投放增长等场景
你需要基于大模型完成Agent技能封装、工具调用编排，并搭建评估体系以提升Agent输出质量和业务适配能力
最低要求
本科及以上学历，计算机、人工智能、软件工程、数据统计等相关专业
深度了解并熟练使用市面主流大模型，掌握Prompt工程、RAG检索增强、向量数据库等核心应用技术
熟悉主流Agent Harness架构体系，清晰认知各组件设计边界与协作逻辑，具备Agent问题排查、调试优化能力，掌握Agent效果评估基本方法
熟练使用Python，熟悉LangChain、Dify、AutoGen等主流Agent开发框架，具备扎实的工程落地思维与实操能力
逻辑缜密、执行力强，能够快速理解业务流程
工作职责
参与公司中台全系Agent建设，负责游戏数据治理、素材自动化生产、发行投放增长等场景的Agent功能开发与版本迭代
基于大模型完成Agent技能封装、工具调用编排、复杂任务拆解、多轮记忆与自主决策流程搭建，沉淀标准化、可复用的中台Agent工作流体系
基于主流Agent Harness架构，理解各核心组件的设计边界与协同逻辑，负责日常问题定位、功能调试与性能优化，持续提升Agent服务稳定性
参与搭建Agent Eval效果评估体系，制定量化与质效双重评估标准，持续验证、迭代优化Agent输出质量与业务适配能力
对接游戏研发、发行、运营业务需求，输出可落地的智能化解决方案，持续推动业务流程自动化与整体提效降本
优先资格
有模型驱动的Agent系统开发、完整Agent项目搭建经历优先
有Agent评测体系设计、多智能体协同开发经验优先
热爱游戏，具备游戏行业认知，了解游戏数据、素材生产、UA发行增长业务场景者优先
AI 洞察
优缺点分析
优点
- 接触前沿AI Agent技术，技术栈先进且实用性强
- 游戏行业应用场景丰富，提供多业务实践机会
- AI技术更新迅速，需持续学习以保持竞争力
- 游戏业务逻辑复杂，要求快速理解并适配业务需求
- 适合对AI技术有热情、喜欢游戏行业、具备工程实践能力和快速学习意愿的应届生或初级工程师
缺点 / 挑战
- 实习转正机会明确，职业起点较高且成长空间大
- 实习期间可能面临转正考核和技术落地压力
角色解读
- 从初级Agent工程师成长为高级AI工程师或技术专家
- 转向AI产品经理或技术管理岗位，负责更大规模项目
- 在游戏AI领域深耕，成为业务与技术复合型人才
- 开发和优化AI Agent系统，应用于游戏数据治理、素材生产和发行投放场景
- 基于大模型进行技能封装、工具调用编排和任务拆解
- 搭建Agent评估体系，持续提升输出质量和业务适配能力
- 大模型应用技术，如Prompt工程、RAG和向量数据库
- Agent架构设计和调试能力，熟悉Harness体系
- Python编程和主流Agent框架（如LangChain、Dify）使用
- 游戏业务理解和快速学习能力
申请策略
- 研究趣加的游戏产品和业务方向，面试时展示对其AI需求的理解
- 准备Agent开发的技术深潜问题，如架构选型、性能优化和评估设计
- 强调团队合作和快速学习能力，适应游戏行业的迭代节奏
- 突出AI Agent项目经验，尤其是基于大模型的开发和优化实践
- 展示Python编程和LangChain等Agent框架的熟练使用案例
- 提供游戏相关经历或兴趣证明，如游戏开发、数据分析或行业研究
- 深入学习Agent架构和评估方法，如ReAct、Plan-and-Execute等模式
- 实践RAG和向量数据库应用，完成端到端项目以增强实操能力
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化描述项目经验，突出技术决策和成果
- 结合技术原理和实际案例回答问题，展示对Agent框架和业务场景的深度理解
- 从业务痛点出发，阐述技术解决方案的价值，强调提效降本的实际影响
- 如何设计一个Agent系统来处理复杂任务？请描述架构和关键组件
- RAG技术在Agent中如何应用？有哪些常见挑战和解决方案？
- 如何评估Agent的效果？你会制定哪些量化与质效指标？
- 描述一个你开发过的Agent项目，遇到了什么问题，如何解决？
- 你对游戏AI有哪些了解？如何将Agent技术应用到游戏数据治理？
职位点评
薪资福利65
成长发展90
工作生活50
使命价值60
薪资福利
65中等
实习岗位薪资未披露，基于市场实习津贴水平估计；公司融资阶段较后，稳定性较好，但具体福利未知。
薪资信号未披露（AI估算：5K-10K/月）
成长发展
90较高
职位涉及前沿AI Agent技术，技术栈先进，提供丰富的学习和实践机会，但未提及明确晋升路径。
技术前沿前沿/新兴技术
技术栈大模型、Prompt工程、RAG、向量数据库、Python、LangChain、Dify、AutoGen
业务类型ambiguous
工作生活
50较低
JD未提及办公模式和工作时间，无法判断工作生活平衡；游戏行业可能隐含较高强度，但无明确信号。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
60中等
游戏行业社会影响力一般，但AI技术应用可能提升业务效率和创新，有一定行业价值。
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