传音
AI Agent 研发工程师(J20346)
AI Agent 研发工程师(J20346)
发布于 1 小时前实习/见习
实习生仅现场办公人工智能
人工智能
Ai Agent
Mcp
Rag
后端开发
大语言模型
容器化
值不值得投
66综合评分
综合评分 66
前沿AI Agent研发实习岗，技术成长空间大，薪资未披露，适合看重技术发展的2027届学生。
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
5千
比人工智能中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 780 个在招 · 其中人工智能 35 个
市场机会
选择适中
重庆 · 人工智能 · 18 个在招
职位详情
关于这个职位
该职位面向2027届毕业生，主要负责运维领域AI Agent的全流程研发，涵盖需求分析、工具调用、工作流编排及后端服务开发等核心环节，致力于推动大模型与Agent技术在真实业务场景中的高效落地
最低要求
届本科及以上学历，计算机、人工智能、软件工程等相关专业
熟悉 Python、TypeScript 等至少一种编程语言，具备良好的编码习惯和基础数据结构、算法知识
对大语言模型、AI Agent、RAG、Function Calling、MCP 等方向有兴趣
了解常见 Web/后端开发基础，如 HTTP、数据库、接口设计、Linux 或容器化等
具备较强的学习能力和问题分析能力，愿意探索不确定性问题，并持续学习和优化解决方案
有责任心和团队协作意识，能够清晰沟通技术思路与工作进展
工作职责
参与 AI Agent 的需求分析、任务拆解与流程设计，开发面向实际业务的智能应用
参与工具调用、知识检索、记忆管理、工作流编排等能力的开发与集成
协助建设 Agent 运行日志、链路追踪、问题定位与效果分析能力，提升系统稳定性
参与设计基础评测用例，分析 Agent 在不同任务下的表现并推动迭代
参与后端服务、接口与部署流程的开发，关注线上服务的质量、成本与可维护性
持续关注大模型、Agent、MCP 等技术发展，结合业务主动提出可落地的创新想法
AI 洞察
优缺点分析
优点
- 接触大模型、AI Agent、MCP等前沿技术，技术栈新颖，有利于积累核心竞争力
- 参与从需求到上线的全流程，能全面锻炼系统设计、工程落地与业务理解能力
- 传音作为知名出海企业，业务场景丰富，为AI技术落地提供广阔的实践空间
- AI Agent及大模型技术迭代极快，需要持续投入大量时间跟进前沿论文与技术动态
- 运维领域的AI落地可能面临业务场景复杂、不确定性高的问题，调试与优化难度较大
- 适合对大模型和AI Agent有浓厚兴趣，具备较强自驱力和学习能力，且希望在大模型应用落地方向深耕的2027届计算机相关专业学生
缺点 / 挑战
暂无明显挑战项
角色解读
- 从AI Agent研发实习生起步，逐步成长为能够独立负责Agent核心模块的资深研发
- 未来可向AI架构师、大模型应用专家或AI业务负责人方向发展，深入探索大模型在垂直领域的落地
- 参与运维领域AI Agent的需求分析、任务拆解与流程设计，开发面向实际业务的智能应用
- 负责工具调用、知识检索、记忆管理、工作流编排等核心能力的开发与集成
- 协助建设Agent运行日志、链路追踪等能力，并参与后端服务、接口与部署流程的开发
- 熟练掌握Python或TypeScript等编程语言，具备扎实的数据结构与算法基础
- 了解大语言模型、AI Agent、RAG、Function Calling等前沿AI技术原理
- 掌握Web/后端开发基础，熟悉HTTP、数据库、接口设计及Linux或容器化技术
申请策略
- 在面试前了解传音的业务背景及出海战略，思考AI Agent如何赋能其运维或业务场景
- 准备1-2个自己主导或深度参与的AI/后端项目，能够清晰讲解技术选型与难点解决过程
- 突出Python/TypeScript编程能力，以及在数据结构、算法或后端开发方面的项目经验
- 展示对大语言模型、RAG、Agent、Function Calling等技术的理解，如有相关Demo或开源贡献更佳
- 强调快速学习能力与解决复杂问题的经历，体现对不确定性问题的探索精神
- 深入学习LangChain、LlamaIndex等Agent开发框架，动手实现一个包含工具调用和记忆管理的Agent项目
- 补充后端工程化知识，如Docker容器化部署、API设计及基本的链路追踪技术
面试指南
- STAR法则：针对项目经验或问题解决，按照情境、任务、行动、结果的逻辑进行结构化表达
- 技术深度+业务思考：在回答技术问题时，不仅讲清原理，还要结合具体业务场景说明技术选型的考量
- 分步拆解：对于系统设计或Agent设计问题，先明确目标与约束，再分模块（如感知、规划、执行）进行详细设计
- 请介绍你对AI Agent、RAG和Function Calling的理解，它们在实际应用中有什么区别和联系？
- 如果让你设计一个运维领域的AI Agent，你会如何拆解任务、设计工作流和选择工具？
- 在开发Agent时，如何解决大模型幻觉问题或工具调用失败的情况？
- 请描述一个你使用Python或TypeScript完成的后端项目，你是如何保证代码质量和系统稳定性的？
- 面对一个全新的、不确定的技术问题，你通常如何进行分析和学习？
职位点评
薪资福利40
成长发展90
工作生活50
使命价值65
薪资福利
40较低
该岗位为2027届实习储备岗，JD未披露具体薪资，按重庆地区实习津贴市场水平估算，补偿性动机满足程度有限。
薪资信号未披露（AI估算：3.5–5.5千/月）
成长发展
90较高
岗位聚焦AI Agent、大模型、MCP等前沿技术，且要求持续关注技术发展，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈Python、TypeScript、AI Agent、RAG、Function Calling、MCP、大语言模型、Linux、容器化
成长机会持续关注大模型、Agent、MCP 等技术发展、持续学习和优化解决方案
业务类型cost_center
工作生活
50较低
JD未明确提及工作模式与WLB相关信息，无法判断其工作强度与办公灵活性。
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
65中等
通过AI技术赋能运维领域，提升系统稳定性与效率，具有一定的技术价值与业务意义。
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