Alibaba logo
阿里巴巴
研究型实习生 - 面向网络智能化运维的 AI 研究与应用

研究型实习生 - 面向网络智能化运维的 AI 研究与应用

发布于 1 小时前

实习/见习

AI 估算 · 6.0千–1.0万 · AI 参考估算
无经验要求
学历未注明
实习生仅现场办公AI算法
AI算法
Bgp
Llm
Sdn
网络自动化
设计模式

值不值得投

70综合评分

综合评分 70

LLM与网络智能化运维结合的研究型实习,技术成长强,薪资与WLB信息未披露

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便比较实习机会。

薪资怎么样

8.0千

与AI算法中位数基本持平

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 5110 个在招 · 其中AI算法 96 个

市场机会

选择面较广

北京 · AI算法 · 约 240 个在招

职位详情

关于这个职位

这是一个面向网络智能化运维的AI研究型实习岗位,重点围绕意图驱动网络、LLM自然语言转意图语言、自动化网络变更方案生成与风险预检开展研发

适合具备工程开发能力,并对大模型和网络自动化有兴趣的实习生参与前沿系统落地

最低要求

扎实的工程能力,优良的编程风格,熟悉JAVA/Python/C++语言和常用设计模式,具备复杂系统的设计开发调试能力

优良的沟通表达能力、团队合作意识和经验
具备快速学习的能力,以及深入钻研技术问题的耐心
熟悉LLM技术(训练/推理/领域适配)或网络自动化(IBN/SDN/协议栈)

工作职责

开发大模型驱动的自然语言转意图语言工具,降低网络策略学习与迭代成本

设计基于LLM的自动化网络变更方案生成系统,替代人工操作,减少错误风险
构建变更方案智能理解与风险预检工具,辅助运营团队提前规避故障

优先资格

有突出的学术背景和创新研究能力

对LLM等重点场景的系统优化或前沿算法有深入务实的经验
熟悉网络协议(BGP,ISIS,Segment-Routing)并有实际开发经验

AI 洞察

优缺点分析

优点

  • 岗位聚焦LLM与网络智能化运维结合,技术方向较新,能接触大模型在真实基础设施场景中的应用
  • 对网络协议、SDN、IBN和大模型系统优化都有涉及,适合构建跨领域技术壁垒
  • 加分项强调学术背景和创新研究能力,对有论文、竞赛或研究项目的候选人较友好
  • 同时要求工程能力、LLM能力和网络自动化背景,技术跨度较大,上手需要补齐多个领域知识
  • 实习岗位通常周期有限,需要在较短时间内理解业务系统并产出可落地成果
  • 适合计算机、软件工程、网络工程、AI方向的学生或研究生,尤其是既有工程开发能力,又对LLM、网络自动化和智能运维感兴趣的候选人

缺点 / 挑战

  • 职责覆盖自然语言理解、方案生成、风险预检等环节,实习内容不只是单点实验,更接近完整系统研发
  • 网络变更与风险预检场景对准确性和可靠性要求高,模型输出需要严谨验证

角色解读

  • 短期可以积累大模型应用、网络自动化和复杂系统工程经验,形成AI与基础设施结合的复合能力
  • 后续可向LLM应用工程师、AI平台研发、网络智能化研发或SRE智能化方向深入发展
  • 若具备研究能力,也可继续向领域大模型、智能运维算法或网络意图理解等方向深耕
  • 参与意图驱动网络管控与验证系统研发,将自然语言或运维需求转换为可被系统理解的网络意图语言
  • 基于LLM设计自动化网络变更方案生成流程,帮助减少人工配置操作和人为错误
  • 构建变更方案理解与风险预检工具,在变更执行前识别潜在配置风险或故障隐患
  • 与网络运维、算法或平台工程团队协作,将研究成果转化为可运行的工程系统
  • 需要具备扎实的Java、Python或C++工程能力,能够设计、开发并调试复杂系统
  • 需要理解LLM训练、推理或领域适配中的至少一类技术,并能将模型能力落到具体业务场景
  • 需要掌握网络自动化相关知识,如IBN、SDN或协议栈,加分项包括BGP、ISIS、Segment-Routing
  • 需要良好的沟通协作、快速学习和技术钻研能力,因为岗位同时涉及研究探索和工程落地

申请策略

  • 申请时建议明确说明自己更偏LLM算法、系统开发还是网络协议方向,并展示与岗位交叉点的匹配度
  • 可提前了解意图驱动网络和智能运维场景,面试中结合具体案例说明如何降低人工操作风险
  • 突出使用Java、Python或C++完成过的复杂系统项目,说明架构设计、关键模块和调试难点
  • 突出LLM相关经历,如模型微调、推理优化、RAG、Agent、领域适配或大模型应用系统开发
  • 如果有网络自动化经历,应写明IBN、SDN、BGP、ISIS、Segment-Routing或网络配置变更相关实践
  • 展示快速学习和研究能力,例如论文、竞赛、开源贡献、技术报告或独立探索项目
  • 可提前准备一个LLM驱动的网络配置或运维问答小项目,展示从需求理解到系统实现的完整链路
  • 补充网络自动化基础,理解SDN控制器、意图网络、路由协议和变更风险检查的基本逻辑

面试指南

  • 项目类问题采用“背景-目标-方案-难点-结果-复盘”的结构,重点讲清个人贡献和技术决策依据
  • 技术方案类问题采用“需求拆解-数据/规则/模型设计-验证指标-风险控制-工程落地”的思路回答
  • 知识类问题先说明基本原理,再结合自己做过或了解过的系统实践,避免只停留在概念层面
  • 请介绍一个你参与过的复杂系统项目,你在其中负责哪些模块,遇到的最大技术难点是什么?
  • 如何将自然语言需求转换为结构化的网络意图语言?你会如何设计提示词、规则约束或模型训练方案?
  • 基于LLM生成网络变更方案时,如何保证输出的安全性、可解释性和可执行性?
  • 你熟悉哪些网络协议或网络自动化技术?请举例说明BGP、ISIS或Segment-Routing相关经验
  • 如果模型生成的变更方案存在潜在风险,你会如何设计风险预检和回滚机制?

职位点评

薪资福利62
成长发展88
工作生活45
使命价值76

薪资福利

62中等

JD未披露薪资和福利信息,因此只能依据实习岗位属性判断,补偿性动机满足度有限。福利与薪酬稳定性均未明确,建议投递前向招聘方确认。

薪资信号未披露(AI估算:6.0千–1.0万/月)

成长发展

88较高

岗位围绕LLM、意图驱动网络和自动化运维系统研发,技术方向较新且工程与研究结合紧密。JD还提到学术背景、创新研究能力和前沿算法经验,对技术成长非常友好。

技术前沿前沿/新兴技术
技术栈LLM、Intent-Based Networking、JAVA、Python、C++、设计模式、IBN、SDN、BGP、ISIS、Segment-Routing
业务类型ambiguous

工作生活

45较低

JD明确给出北京或杭州两个工作地点,但未提及远程、弹性、双休或加班情况。生活化动机相关信息不足,无法判断办公灵活性。

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

76中等

岗位目标包括降低网络策略学习与迭代成本、减少人工操作错误风险、提前规避故障,具有较明确的工程价值。JD未直接表达社会使命或公共价值导向,意义感主要来自技术问题解决。

行业发展新兴领域(暂难判断)
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs