小红书
Agent算法实习生（语音方向）
Agent算法实习生（语音方向）
发布于 大约 2 小时前实习/见习
北京市
无经验要求
实习生
仅现场办公
硕士
研究与开发 (研发)
RAG
多模态
Prompt Engineering
ASR
TTS
语音大模型
Vad
AI 估算 · 4k–8k
一线互联网大厂算法实习，硕士学历，薪资中等偏上，成长空间大。
职位详情
关于这个职位
该职位是小红书语音Agent算法的实习生岗位，主要参与语音产品原型研发，涉及ASR、TTS、VAD等语音算法模块的实验与优化，同时负责Agent核心能力如Prompt优化、Tool Calling、RAG等
适合对语音大模型和AI Agent方向有热情、动手能力强的同学，可在真实业务场景中探索前沿技术
最低要求
硕士及以上学历在读，计算机、人工智能等相关专业，具备扎实的编程能力，语音算法相关研究方向优先
了解 AI Agent 相关技术栈，如 LangChain、Semantic Kernel、OpenAI API 或主流大模型调用方式
熟悉 Prompt Engineering、Function Calling、工具调用、Agent 编排，并有相关实践经验
具备较强的问题拆解能力、实验意识和自驱力，能通过指标、日志和 badcase 分析持续推动效果优化
每周可实习 4 天及以上，连续实习 3 个月以上
可实习 6 个月以上优先
工作职责
参与语音 Agent 产品与原型研发，围绕语音输入、意图理解、任务编排、工具调用和结果反馈，构建端到端 Agent 工作流
参与 ASR / TTS / VAD / 说话人识别 / 音频理解等语音算法模块的实验、接入、评测和效果优化
参与 Agent 核心能力建设，包括 Prompt 优化、Tool Calling、RAG、Memory、多轮对话、上下文管理、Workflow 编排和结果校验
跟进语音大模型、LLM Agent、多模态交互等前沿方向，探索其在真实业务场景中的落地方式
优先资格
对 AI Agent 有热情，日常使用或折腾过各类 LLM / Agent 工具
动手能力强，熟练使用 Vibe Coding 工具，能快速将想法转化为可运行代码或 demo
有开源项目、论文、竞赛、技术博客或可展示个人作品者优先
有 ASR、TTS、VAD、说话人识别、音频理解、语音大模型、多模态交互等相关项目经验
AI 洞察
优缺点分析
优点
- 小红书作为一线互联网公司，技术积累深厚，可接触亿级用户场景
- 语音Agent方向属于前沿AI领域，技术含量高，简历含金量大
- 导师制培养，能快速提升工程和算法能力
- 算法调优和badcase分析需要耐心和细致，实验周期可能较长
- 若缺乏语音或Agent基础，入门曲线较陡
- 适合对AI Agent和语音技术有强烈兴趣、动手能力强、追求技术成长的硕士在读同学
缺点 / 挑战
- 实习期间需要同时掌握多个技术栈（语音、Agent、LLM），学习压力较大
角色解读
- 从语音Agent实习生起步，可深入掌握语音大模型和Agent核心技术，发展为算法工程师
- 具备多模态交互经验的工程师，可向产品经理或技术负责人方向发展
- 积累一线互联网公司经验后，可进入AI创业公司或继续深造读博
- 参与语音Agent产品研发，构建语音输入到意图理解、任务编排、工具调用的端到端工作流
- 负责ASR、TTS、VAD等语音算法模块的实验、接入、评测和效果优化，提升整体性能
- 优化Agent核心能力，包括Prompt设计、Tool Calling、RAG、多轮对话管理等
- 跟踪语音大模型、多模态交互等前沿技术，探索在业务中的落地方式
- 扎实的编程能力，熟悉Python，掌握AI Agent技术栈如LangChain、Semantic Kernel
- 熟悉语音算法相关领域，如ASR、TTS、VAD、说话人识别等
- 具备问题拆解和实验分析能力，能通过指标和badcase推动效果改进
- 自驱力强，能快速将想法转化为demo，有Vibe Coding等快速原型开发经验
申请策略
- 在简历中强调对AI Agent的热情，可附上个人折腾过的工具列表
- 突出语音或Agent相关项目经历，如ASR、TTS、LangChain使用经验
- 展示开源项目、技术博客或GitHub作品，体现动手能力
- 强调编程能力（Python）和实验分析能力，提供具体成果数据
- 提前学习LangChain、Prompt Engineering等Agent框架
- 了解语音大模型（如Whisper、CosyVoice）并尝试实践
- 熟悉Vibe Coding工具，快速搭建demo
面试指南
- STAR法则：描述背景、任务、行动和结果
- 技术细节+效果优化：先解释原理，再结合实际调优经验
- 体现自驱学习：提及如何追踪前沿技术和动手实践
- 请描述你使用LangChain构建过的一个Agent项目
- 如何评估ASR模型的性能？遇到badcase怎么处理？
- 解释一下RAG的工作原理及在Agent中的应用
- 你如何优化一个多轮对话的上下文管理？
- 你对语音大模型（如GPT-4o、Whisper）了解多少？
职位点评
58
综合评分
一线互联网实习，前沿语音Agent技术，成长空间大但薪资普通。
更适合这类人
适合看重技术成长和前沿领域探索的求职者，对薪资敏感度不高。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利30
成长发展85
工作生活50
使命价值65
薪资福利
30较低
实习薪资未明确披露，虽可能有一定补贴，但总体薪酬水平较低，福利一般。
薪资信号未披露（AI估算：4K-8K/月）
成长发展
85较高
前沿技术栈（语音大模型、Agent），成长空间大，但JD未明确提培训或晋升通道。
技术前沿前沿/新兴技术
技术栈Python、LangChain、ASR、TTS、VAD、语音大模型、Agent、Prompt Engineering、RAG、多模态
业务类型ambiguous
工作生活
50较低
要求每周到岗4天以上，北京市区办公，无WLB相关描述。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
65中等
互联网行业增长迅速，技术应用有价值，但社会影响力中性。
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