小红书
Agent 算法实习生｜创新业务
Agent 算法实习生｜创新业务
发布于 2 小时前实习/见习
实习生仅现场办公算法优化工程师
算法优化工程师
Llm
Pytorch
Rag
机器学习
深度学习
算法
论文复现
值不值得投
75综合评分
综合评分 75
前沿AI实习岗，技术成长快，薪资中等，WLB一般。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
薪资怎么样
8千
比算法优化工程师中位数低
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 1450 个在招 · 其中算法优化工程师 13 个
市场机会
选择面较广
上海 · 算法优化工程师 · 约 130 个在招
职位详情
关于这个职位
作为Agent算法实习生，你将加入小红书的创新业务核心算法团队，参与LLM和Agent技术在真实AI产品中的开发与优化
负责从技术调研、实验验证到产品上线的完整过程，探索前沿AI技术并应用于实际场景，通过数据驱动持续改进效果
最低要求
计算机、人工智能、数学等相关专业本科及以上在读，具备良好的机器学习/深度学习基础
熟练使用Python，熟悉PyTorch、Transformers等常用深度学习工具，具备较强的代码和实验能力
对LLM/Agent有强烈兴趣，有RAG、Agent、LLM应用、模型训练等相关课程项目、科研、开源项目或个人项目经验者优先
具备较强的学习能力和动手能力，能够快速理解新技术、完成实验，并主动分析和解决问题
工作地点：北京/上海/杭州
实习要求：每周4天及以上，连续实习6个月及以上
学历要求：本科及以上在读
工作职责
参与LLM/Agent在真实AI产品中的探索和落地，完成从技术调研、实验验证到产品上线的完整过程
Agent能力研发：参与RAG、Tool Use、Planning、Memory、Context等Agent核心能力的实验、开发与优化
Evaluation & Data：参与Agent评测集和数据建设，分析真实用户Case和Agent Trajectory，定位问题并推动模型和系统持续迭代
前沿技术探索：跟踪LLM/Agent最新论文和开源项目，完成论文复现、技术调研、实验验证和Prototype开发
产品实验：参与创新AI产品的快速实验，将新的模型和Agent能力应用到真实场景，并通过数据和用户反馈持续优化效果
优先资格
有LLM/Agent相关论文、科研经历、算法竞赛成绩、优秀开源项目或技术社区贡献者优先
我们更看重你的学习能力、技术热情和实际动手能力，不要求你已经掌握Agent的所有技术
如果你曾经因为好奇自己搭过Agent、复现过论文、训练过模型，或者做过一个真正可以使用的AI产品，我们会非常感兴趣
AI 洞察
优缺点分析
优点
- 参与前沿LLM和Agent技术，接触行业最新动态，技术成长空间大
- 在真实产品中实践，有完整开发流程和数据反馈，能积累实战经验
- 公司平台资源丰富，团队专注于创新业务，有利于技能提升和项目落地
- 实习要求每周4天及以上、连续6个月，对时间管理和适应能力有要求
缺点 / 挑战
- 技术迭代快速，需要持续学习和跟进新论文、工具，工作强度可能较高
- 作为实习生，可能面临从理论到实践的转化挑战，需快速融入团队
- 适合对AI和LLM技术有强烈兴趣、具备编程基础、喜欢探索和实验的计算机相关专业学生，不介意较高工作强度并追求快速成长
角色解读
- 从实习生逐步成长为算法工程师，专注于LLM和Agent应用研发，参与核心项目
- 可向机器学习工程师、AI研究员或技术专家方向发展，深入技术栈
- 未来可能转向AI产品经理或团队负责人，结合技术推动产品创新
- 参与LLM和Agent技术在真实AI产品中的开发、实验和优化，完成从调研到上线的全流程
- 负责Agent核心能力如RAG、Tool Use的实验与开发，分析用户数据推动模型迭代
- 跟踪前沿论文和开源项目，进行论文复现和原型开发，探索技术可行性
- 快速实验AI产品应用，将新技术融入实际场景，通过反馈持续优化效果
- 熟练使用Python编程，掌握PyTorch、Transformers等深度学习框架，具备较强的代码和实验能力
- 理解LLM、Agent、RAG等概念，有相关项目或研究经验，能快速学习新技术
- 具备良好的机器学习/深度学习基础，能独立分析问题和解决问题
- 对AI技术有强烈兴趣和动手能力，乐于探索和尝试新方法
申请策略
- 研究小红书的AI产品应用，思考如何将LLM/Agent技术融入场景，在面试中展示洞察力
- 准备个人项目或竞赛的演示，清晰阐述技术选型、实现过程和效果优化
- 表达对AI的热情和好奇心，体现愿意学习和贡献的态度，匹配团队文化
- 突出Python和深度学习项目经验，如使用PyTorch开发模型或复现论文
- 展示LLM或Agent相关实践，例如RAG应用、Agent搭建、算法竞赛或开源贡献
- 强调学习能力和动手能力，通过具体项目或成果体现主动分析和解决问题的能力
- 提及对AI前沿技术的关注，如跟踪论文、参与技术社区讨论等
- 深入学习LLM和Agent相关论文，实践RAG、Tool Use等技术，提升理论理解
面试指南
- 结合具体项目，使用STAR法则（情境、任务、行动、结果）结构化回答，突出技术细节和思考过程
- 强调学习方法和解决问题的逻辑，例如如何调研论文、调试代码、迭代优化
- 展示对行业趋势的关注，说明个人学习路径和未来兴趣方向，体现技术热情
- 你对LLM和Agent的理解是什么？请结合项目经验说明
- 描述一个你参与过的相关项目，包括技术挑战和解决方案
- 如何评测Agent的效果？你会从哪些维度设计评测集？
- 你如何跟踪LLM/Agent的最新技术？有没有复现过论文或做过开源项目？
- 遇到技术难题时，你会如何分析和解决？
职位点评
薪资福利70
成长发展85
工作生活60
使命价值80
薪资福利
70中等
实习薪资在市场上有竞争力，但作为实习岗位，福利可能相对有限，需关注具体offer内容。
薪资信号未披露（AI估算：5千–1万/月）
成长发展
85较高
职位涉及LLM和Agent前沿技术，提供论文复现、产品实验等深度实践机会，技能成长空间显著。
技术前沿前沿/新兴技术
技术栈LLM、Agent、RAG、PyTorch、Transformers
业务类型ambiguous
工作生活
60中等
实习要求每周4天及以上、连续6个月，办公模式未明确，可能需现场办公，工作生活平衡有一定挑战。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
从事AI技术前沿探索，应用于创新产品，行业增长快，有较好的社会影响力和职业前景。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
Watch Jobs