对象存储智能化平台研发实习生

优缺点分析

角色解读

• 从实习生成长为AI基础设施领域的工程师，深入掌握存储与AI结合的核心技能
• 可向分布式存储专家、AI运维架构师或LLM应用开发方向发展
• 积累大厂实战经验后，有机会转正或进入其他互联网公司核心团队
• 参与小红书存储云平台的产品创新与架构设计，探索AI Native智能存储方案
• 结合大模型能力开发数据库自助管理平台，实现自然语言交互式运维Agent
• 推动存储与数据库自动化运维平台智能化升级，构建自诊断、自修复体系
• 研究大模型在数据库领域的应用，如智能SQL优化、异常检测与根因分析
• 精通至少一门后端语言（Golang/Java/Python），具备大模型API调用及Agent开发经验
• 深入理解分布式存储产品（KV/缓存/MySQL/对象存储等）
• 熟悉大模型应用技术栈（RAG、Prompt Engineering、LangChain等）
• 快速学习和适应新技术，有技术博客或开源贡献者优先

申请策略

• 简历中可附上个人GitHub或技术博客链接，展示对AI领域的持续关注
• 了解小红书的技术栈和文化，面试时表达对存储和AI结合的见解
• 突出大模型应用项目经验，如基于LLM的Agent开发、RAG系统或AIOps相关实践
• 强调Golang/Java/Python后端开发能力，展示分布式存储相关经历
• 列出技术博客、开源贡献或AI竞赛奖项，体现主动学习和技术热情
• 如有大厂实习或团队协作项目，务必详细描述个人贡献
• 补充LangChain、AutoGen等多Agent框架的实践，可通过个人项目练手
• 熟悉至少一种分布式存储产品（如Redis、MySQL、对象存储）的底层原理

面试指南

• 对于项目介绍题，采用STAR法则：背景、任务、行动、结果，突出技术选型和个人贡献
• 对于原理题，先给出核心概念，再举例说明，最后联系实际应用
• 对于设计题，分步骤阐述：需求分析、架构设计、技术选型、实现细节，并考虑边界情况
• 请介绍你做过的一个基于大模型API的Agent应用，遇到了什么挑战？
• 简述分布式存储（如对象存储）的基本架构和一致性模型
• 如何设计一个自然语言交互的数据库查询Agent？
• 你对AIOps的理解是什么？目前有哪些主流技术方案？
• 如果让你在开源项目（如LangChain）上贡献一个功能，你会如何入手？