阿里巴巴
Agent工程日常实习生
Agent工程日常实习生
发布于 6 小时前实习/见习
实习生仅现场办公人工智能
人工智能
Prompt Engineering
Rag
多模态
大模型
值不值得投
77综合评分
综合评分 77
阿里AI方向核心实习，技术前沿、成长性强，但具体WLB需进一步了解。
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
5K
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 2740 个在招 · 其中人工智能 约 300 个
市场机会
选择面较广
杭州 · 人工智能 · 约 350 个在招
职位详情
关于这个职位
作为阿里巴巴的日常实习生，你将参与构建下一代具备“类人”记忆与情感交互的AI助手
核心工作包括优化支持超长上下文和物理环境感知的多模态对话框架，建设AI穿戴设备（如智能手表、眼镜）的云端网关以保障高并发下的稳定服务，并探索Agent、RAG等前沿技术的业务落地，推动从指令执行到主动智能的产品化转型
最低要求
计算机相关专业本科及以上学历，熟练掌握 Java/Python，掌握计算机网络、操作系统基本知识，具备良好的数据结构与算法基础
熟悉 LangChain/LangGragh 等主流框架，理解 ReAct、CoT 等提示工程范式
深入理解 Function Calling / Tool Use 机制，有实际的 Prompt/Contex/Harness Engineering 经验及大模型应用开发项目
工作职责
参与优化多模态对话框架，构建支持超长上下文的对话系统
利用长短期记忆机制（Long/Short-term Memory）实现用户画像与历史意图的精准召回，结合物理环境感知（如位置、设备状态）增强智能体的情境理解能力，打造具备“类人”记忆与情感交互能力的行业领先助手
参与AI穿戴设备（如智能手表、眼镜）的云端网关建设
通过端云协同（Edge-Cloud Synergy）策略，优化弱网、断网场景下的服务可用性，保障高并发下的低延迟与高稳定性
追踪多模态大模型及Agent技术的最新进展，探索RAG、MCP在业务中的落地，探索Agentic技术在业务中的落地
结合硬件形态创新，推动从“指令执行”到“主动智能”的技术产品化转型
优先资格
理解多模态交互系统相关技术，熟悉语音识别、语音合成、视觉理解的实现方案，有建设相关算法服务的实际经验
在 GitHub 上有高质量的 AI Agent 开源项目/个人 Demo
AI 洞察
优缺点分析
优点
- 能直接接触并实践最前沿的AI技术（多模态、Agent、大模型），技术视野开阔
- 在顶级科技公司的平台和团队中学习，能积累高质量的工程经验和行业人脉
- 技术栈快速迭代，需要持续学习以跟上LLM、Agent等领域的最新进展
- 作为实习生，在庞大的组织中需要快速定位自身角色并高效沟通协作
- 计算机相关专业本科及以上在读学生，对人工智能、特别是大模型应用与Agent技术有浓厚兴趣和一定实践经验，具备扎实的编程和系统基础，渴望在顶级平台将前沿技术落地的求职者
缺点 / 挑战
- 项目与硬件（穿戴设备）深度结合，有机会了解端云协同的全链路技术挑战，实战价值高
- 项目涉及端云协同、高并发等复杂系统问题，对系统设计和工程能力有较高要求
角色解读
- 技术专家路线：深耕AI Agent与多模态交互技术，成为该领域的资深工程师或架构师
- 产品化路线：结合对硬件和用户的理解，转向AI产品经理或技术产品负责人，主导AI产品的设计与落地
- 研究路线：进入前沿研究部门（如达摩院），专注于探索AI的下一代交互范式
- 参与构建和优化下一代AI对话系统，专注于让AI具备长期记忆、情境感知和情感交互能力
- 负责AI穿戴设备（如手表、眼镜）云端服务的架构与开发，解决弱网、高并发下的稳定性与延迟问题
- 追踪并探索大模型与Agent领域的最新技术（如RAG、MCP），推动技术从概念验证走向实际产品化
- 扎实的计算机基础（网络、操作系统、数据结构与算法）及至少一种后端开发语言（Java/Python）的熟练掌握
- 深入理解大模型应用开发范式，包括Prompt Engineering、Agent框架（如LangChain）及工具调用机制（Function Calling）
- 具备实际的大模型应用项目经验，能够将技术理论应用于解决具体问题
申请策略
- 仔细阅读职位描述中的技术关键词（如Long/Short-term Memory、Edge-Cloud Synergy），在简历和面试中主动关联这些点，展示你的针对性
- 了解阿里巴巴在AI领域的公开布局（如通义千问、达摩院研究方向），思考该职位可能参与的业务场景
- 面试前可准备一个简短的“自我介绍+项目演示”环节，清晰地讲述你对一个AI Agent项目的思考和实现过程
- 突出1-2个与大模型应用或Agent相关的个人项目/课程设计，详细说明所用技术栈（如LangChain、RAG）和取得的成果
- 展示在计算机基础课程（如数据结构、操作系统、计算机网络）的优异成绩或竞赛经历，证明扎实的基本功
- 如有相关实习经历或开源贡献（如GitHub上的AI项目），需重点描述，这是极强的加分项
- 在项目描述中强调解决具体问题的能力，例如“如何优化长上下文记忆”或“如何保障弱网下的可用性”
- 系统复习并强化Java/Python高级特性与并发编程，这是后端开发的基础
面试指南
- 使用STAR法则（情境-任务-行动-结果）清晰讲述项目经历，重点突出你的技术决策和解决问题的思路
- 对于技术原理类问题，先阐述概念，再结合具体例子或对比（如ReAct vs CoT）说明，并提及可能的优缺点
- 对于系统设计或架构类问题，采用结构化思维，从需求分析、核心模块设计、关键技术选型、高可用与扩展性等方面展开论述
- 回答时保持开放心态，对于不了解的问题，可以坦诚说明，并阐述自己思考和学习的思路
- 请介绍一个你参与过的AI项目或大模型应用项目，其中你遇到的最大的技术挑战是什么，如何解决的？
- 你对Prompt Engineering有哪些理解？ReAct和CoT这两种范式有何区别和适用场景？
- 如果让你设计一个支持超长上下文对话的系统架构，你会考虑哪些关键技术点？
- 如何看待Agent技术的发展？你认为它在产品化落地中最大的难点是什么？
职位点评
薪资福利65
成长发展90
工作生活60
使命价值85
薪资福利
65中等
作为实习生，通常提供有竞争力的实习津贴和基础福利（如餐补），但核心补偿（高薪资、完整福利体系）相对正式员工有限。
薪资信号市场水准 (4–6千/月)
成长发展
90较高
该职位处于AI技术前沿，涉及大模型、Agent、多模态等热门方向，能提供极佳的技术视野和实战经验，且导师制、内部培训等成长信号在阿里体系中较为常见。
技术前沿前沿/新兴技术
技术栈LangChain、大模型、Agent、RAG、Prompt Engineering、多模态
业务类型ambiguous
工作生活
60中等
工作地点在杭州，但未提及具体的办公模式（远程/混合），通常认为需要现场办公。作为技术岗，WLB状况取决于具体团队和项目阶段，JD未提供相关信息。
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
85较高
参与开发行业领先的AI助手和前沿硬件结合项目，具有较高的技术探索价值和社会影响力。岗位聚焦于从“指令执行”到“主动智能”的转型，使命感强。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号打造具备“类人”记忆与情感交互能力的行业领先助手、推动从“指令执行”到“主动智能”的技术产品化转型
创新程度积极采用新技术
Watch Jobs