Code Agent数据工程实习生

优缺点分析

角色解读

• 从数据工程实习生起步，可向算法研究员或数据科学家方向发展
• 积累RL环境构建和评测经验，未来可转向AI Agent开发或LLM应用方向
• 在数据工程领域深耕，成为数据管道或MLOps专家
• 构建强化学习环境，将代码工程和网络安全场景转化为可训练的RL环境，设计奖励信号
• 评估模型的Agent能力，设计评测任务和测试用例，量化模型在真实场景中的表现
• 合成高质量训练数据，自动化构建任务和指令数据，编写清洗和过滤脚本
• 将数据与评测管线工程化，集成闭环脚本，保障稳定性和吞吐效率
• 熟练掌握Python，能独立编写数据处理和评测脚本
• 熟悉Linux和Docker，具备AI编程工具（如Claude Code、Cursor、Codex）的重度使用经验
• 了解LLM辅助开发，对强化学习有基本概念
• 具备自驱力和跨团队协作能力

申请策略

• 了解小红书的技术栈和业务方向，在面试中展示对公司的兴趣
• 准备一个关于AI编程工具使用的深度思考，体现你的理解
• 突出Python编程能力和数据处理经验，展示独立完成的项目
• 强调使用Claude Code、Cursor等AI编程工具的经验，可附上具体案例
• 如有强化学习或LLM相关项目，务必详细描述
• 展示自驱力和解决问题的能力，例如参与开源项目或竞赛
• 提前熟悉强化学习基础概念和常用框架（如OpenAI Gym）
• 学习Docker和Linux常用命令，提升环境配置能力

面试指南

• 对于工具使用问题，采用STAR法则：情境、任务、行动、结果，具体说明工具如何帮助你解决问题
• 对于设计类问题，先明确目标，再分步骤阐述方案，最后总结预期效果
• 对于协作问题，强调沟通和妥协，举例说明如何达成共识
• 请描述你使用Claude Code或Cursor的经验，如何利用它们提高开发效率？
• 如何设计一个强化学习环境来评估代码修复任务？
• 你如何确保合成数据的质量？请举例说明清洗和过滤的方法
• 请谈谈你对LLM辅助开发的理解和未来趋势的看法
• 在跨团队协作中，你如何处理意见分歧？