阿里巴巴
日常实习生-AI应用开发工程师（直播&AI）
日常实习生-AI应用开发工程师（直播&AI）
发布于 9 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
Llamaindex
Llm
Prompt设计
Pytorch
Rag
Tensorflow
知识图谱
值不值得投
77综合评分
综合评分 77
前沿AI技术栈、导师制带教、技术成长空间大，实习薪资满足基本需求。
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
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 3340 个在招 · 其中人工智能 约 350 个
市场机会
选择面较广
杭州 · 人工智能 · 约 410 个在招
职位详情
关于这个职位
该职位是阿里巴巴直播与AI团队的日常实习生，主要参与企业办公场景智能体（AI Agent）的架构探索与功能开发
你将接触RAG、知识图谱、大模型调优等前沿技术，并在导师指导下完成业务场景的需求分析与效果验证
最低要求
熟悉Python/Java/C++中至少一门语言，有良好的编程基础（课程项目/竞赛经历）
对Agent系统有基本认知
了解基础Prompt设计方法，对LLM技术有学习热情
选修过机器学习相关课程
具备逻辑分析和问题定位能力，对复杂问题有钻研精神
乐于团队协作，有技术文档写作或项目汇报经验
工作职责
参与企业办公场景智能体架构的探索，协助实现AI Agent系统的功能模块开发
在导师指导下学习RAG、知识图谱等技术，参与基础推理框架的搭建与测试
接触大模型基础调优技术，学习通过数据标注与效果评估提升系统性能
配合业务团队完成需求分析，参与具体业务场景的功能实现与效果验证
协助优化智能体交互体验，参与系统基础能力的评估测试
学习Agent领域前沿技术（如ReAct/COT等），参与技术调研与demo实现
优先资格
接触过LangChain/LLamaIndex等框架
有PyTorch/TensorFlow实践经历
在GitHub有AI相关项目/发表过技术博客/参与过AI竞赛
在NLP或多模态大模型领域有实际的项目经验或发表过高水平研究论文
AI 洞察
优缺点分析
优点
- 能接触到RAG、知识图谱、ReAct/COT等前沿AI技术，技术栈非常新
- 有导师指导，适合在校生快速将理论知识转化为实际项目经验
- 依托丰富的业务场景，能积累高价值的AI落地经验
- 大模型和Agent领域技术迭代极快，需要保持高强度的持续学习
- 作为实习生，可能更多承担基础模块开发或数据标注评估等辅助性工作，核心架构设计参与度有限
- 适合对大模型和AI Agent有浓厚兴趣，具备一定编程和机器学习基础，希望积累前沿AI落地经验的在校生
缺点 / 挑战
暂无明显挑战项
角色解读
- 通过导师制快速掌握大模型应用开发的核心技术栈，积累AI Agent落地经验
- 未来可向AI应用架构师、大模型算法工程师或AI产品经理等方向深入发展
- 参与企业办公场景AI Agent系统的架构探索与功能模块开发
- 在导师指导下学习并应用RAG、知识图谱、大模型调优等前沿技术
- 配合业务团队进行需求分析，完成具体业务场景的功能实现、效果验证与交互体验优化
- 扎实的编程基础，熟练掌握Python/Java/C++至少一门语言
- 对AI Agent、LLM及Prompt设计有基本认知，了解LangChain等主流框架
- 具备机器学习基础，有PyTorch/TensorFlow等框架的实践经历
申请策略
- 在简历或面试中展现对AI前沿技术（如ReAct、COT）的调研成果和个人思考
- 了解公司在直播和AI办公场景的最新业务动态，思考AI Agent如何赋能具体业务
- 突出Python/C++等编程语言能力，以及在课程项目或竞赛中的实际编程成果
- 详细列出在GitHub上的AI相关项目、技术博客或参与的AI竞赛经历
- 强调对LangChain、RAG、Prompt设计等LLM应用技术的了解或实践经验
- 深入学习LangChain或LlamaIndex框架，尝试动手实现一个简单的RAG或Agent Demo
- 复习机器学习基础，熟悉PyTorch或TensorFlow的基本操作与模型微调流程
面试指南
- STAR法则：针对项目经历，从情境、任务、行动、结果四个维度清晰阐述
- 总分总结构：先给出核心观点或架构设计，再分点详细说明技术细节，最后总结收益或反思
- 请介绍一下你对AI Agent系统的理解，以及ReAct和COT的区别与应用场景
- 如果让你设计一个基于RAG的企业办公智能体，你会如何设计知识检索和推理流程？
- 你在GitHub上的AI项目或竞赛中遇到了什么技术难点，是如何解决的？
- 请描述一次你使用Prompt设计优化LLM输出效果的经历
- 复习大模型基础概念、RAG原理及主流Agent框架的底层逻辑
- 准备1-2个自己主导或深度参与的AI项目，能够清晰讲解技术选型、实现细节和优化过程
职位点评
薪资福利60
成长发展90
工作生活70
使命价值75
薪资福利
60中等
作为日常实习岗位，薪资按日薪折算，满足实习生基本生活需求，但无法与正式员工薪资相比。
薪资信号未披露（AI估算：4.35–6.53千/月）
成长发展
90较高
岗位涉及前沿AI技术，且有明确的导师指导机制，技术成长和技能积累空间极大。
技术前沿前沿/新兴技术
技术栈AI Agent、RAG、知识图谱、LLM、LangChain、LlamaIndex、PyTorch、TensorFlow、ReAct、COT
成长机会在导师指导下学习、学习Agent领域前沿技术
业务类型ambiguous
工作生活
70中等
日常实习通常工作节奏相对灵活，但具体WLB情况未明确说明，需视团队项目进度而定。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
75中等
参与企业办公场景智能化探索，推动AI技术在实际业务中的落地，具有一定的技术探索价值。
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