1327 Agent实习生

优缺点分析

角色解读

• 在实习期间可深入掌握Agent全链路技术，从框架设计到业务落地，为后续从事AI研发或算法岗位打下坚实基础
• 优秀实习生有机会转正，成为正式AI工程师，参与更核心的模型研发与产品创新
• 未来可向AI Agent架构师、算法专家或AI产品经理方向发展，结合技术与业务推动智能化应用
• 设计并实现通用Agent框架，包括意图识别、任务规划、工具调用、RAG和状态管理等模块，构建能够处理复杂任务的智能体系统
• 深入业务场景，开发垂类Agent，整合用户状态、结构化信息、知识库等数据，提升从需求到方案的用户体验
• 参与开源或自研模型的场景微调与优化，提升模型在指令遵循、规划推理和工具使用上的能力
• 参与Agent自动化评测与效果分析，通过离线评测和在线实验迭代优化系统表现
• 扎实的机器学习/深度学习基础，熟悉Transformer、SFT、RL、RAG、Function Calling等技术
• 熟练的工程能力，掌握Python/Java及PyTorch，了解多模态大模型的训练和推理流程
• 良好的问题拆解与学习能力，对AI Agent技术有浓厚兴趣
• 具备业务意识，愿意理解用户需求并转化为技术方案

申请策略

• 在求职信中表达你对Agent技术的热情，并主动提及小红书在AI Native产品的布局
• 准备好展示一个自己开发的Agent Demo或技术博客，能极大加分
• 突出你参与过的相关项目，如对话系统、RAG应用、工具调用或Agent框架开发
• 强调对Transformer、PyTorch等工具的掌握，并列出具体实现细节
• 如果有模型微调（SFT/RLHF）或评测经验，务必重点展示
• 展示你的学习能力，比如自学新技术、参与开源项目或竞赛获奖
• 提前学习LangChain、AutoGPT等Agent框架，了解业界主流方案
• 动手实践大模型微调，使用LLaMA-Factory等工具完成一个小项目

面试指南

• 先清晰定义概念，然后结合具体项目经验说明，最后总结关键设计点
• 对于设计类问题，可按照“需求分析-方案设计-技术选型-评估迭代”的框架回答
• 对于开放性问题，展现你的思考深度和产品意识，不要只谈技术
• 请解释Agent框架中Planning和Function Calling的作用，并举例说明
• 你如何设计一个RAG系统？如何处理检索质量差的问题？
• 描述一次你使用PyTorch进行模型微调的经历，遇到了哪些困难？
• 如何看待Multi-Agent协作？请设计一个多Agent协作解决复杂任务的方案
• 你对小红书的产品有什么了解？如何将Agent技术应用到小红书场景？