大模型Agent应用开发实习生

优缺点分析

角色解读

• 在实习中接触前沿的Agent技术，积累实际业务落地经验，为转正或更高阶的AI工程职位打下基础
• 可向大模型应用架构师或AI算法工程师方向发展，深入模型推理、工具使用等核心领域
• 有机会参与顶级会议论文投稿，提升学术影响力和职业竞争力
• 参与大模型Agent相关业务流程的设计与代码实现，开发实用的Skill和Tool工具
• 跟踪Agent线上运行效果，清洗数据并提取Badcase，用于模型优化
• 构建和完善Agent评测体系，针对问题制定改进方案并推动落地
• 扎实的计算机科学和算法基础，熟练的编程能力（Python为主）
• 对LLM、Agent、工具调用、任务规划等方向有深入理解或工程经验
• 有数据清洗和分析能力，能够从海量数据中发现和总结问题
• 良好的文档撰写和团队协作能力，能独立推进任务

申请策略

• 在简历中明确表达对大模型Agent方向的热情和职业规划
• 关注小米的招聘动态，可以通过实习推荐增加成功率
• 突出LLM、Agent、工具调用等相关的项目经历或研究经历，尽量量化效果
• 强调编程能力，展示GitHub或代码库中的高质量作品
• 如果有论文发表，重点标注，尤其是AI顶会论文
• 描述过往在数据清洗或评测体系建设方面的经验，体现数据敏感度
• 学习主流Agent框架（如LangChain、AutoGPT等），自己动手搭建简单Agent应用
• 熟悉Prompt Engineering和常见的Agent评测方法

面试指南

• 用STAR法则回答项目经历：背景、任务、行动、结果，重点突出你的角色和技术难度
• 对于评测问题，可以结合Precision/Recall、任务成功率、延迟等指标，并说明如何制定改进闭环
• 对于工具调用，先解释核心原理，再结合具体实现细节，展示你的底层理解
• 请介绍一下你最近做过的LLM或Agent相关项目，遇到的最大挑战是什么？
• 如何评估一个Agent的性能？你会设计哪些评测指标？
• 如果模型出现badcase，你会如何分析和定位原因？
• 谈谈你对ReAct、Function Calling等工具调用机制的理解
• 编写一段Python代码实现一个简单的工具调用调度逻辑