快手
Agent后端开发实习生-【MyFlicker】
Agent后端开发实习生-【MyFlicker】
发布于 3 天前实习/见习
实习生仅现场办公后端开发
后端开发
Ai Agent
Go
Grpc
Llm
Spring Cloud
微服务架构
高并发
值不值得投
78综合评分
综合评分 78
大厂AI基础设施核心实习，技术深度与成长性极佳，是通往高阶后端/架构方向的优质跳板。
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
6K
比后端开发中位数低
发布情况
新岗位 · 3 天前发布
公司情况
这家公司招聘很活跃
约 2110 个在招 · 其中后端开发 3 个
市场机会
选择面较广
北京 · 后端开发 · 约 280 个在招
职位详情
关于这个职位
作为快手MyFlicker团队的Agent后端开发实习生，你将参与公司级AI Agent核心基础设施的后端设计与开发工作
主要负责构建和优化智能路由网关、积分计费结算系统、模型成本运营治理平台以及云端Agent的构建与托管服务，旨在打造高可用、高性能、可演进的AI Agent基础服务，提升模型调用效率与成本可控性
最低要求
计算机及相关专业本科及以上学历，具备扎实的计算机基础（数据结构、算法、操作系统、网络）
熟悉后端主流技术栈（Java/Go/Python 至少精通一门）及常见微服务架构，熟悉 Spring Cloud、gRPC、Kafka、Redis、MySQL、ElasticSearch 等中间件的原理与使用
具备高并发、高可用系统的设计与落地能力，有大规模分布式系统、网关或中间件研发经验者优先
对技术有热情，学习能力强，沟通协作顺畅，能在跨团队场景中推动复杂项目落地
工作职责
核心职责：
Agent 基础服务设计与开发：设计并开发 AI Agent 基础服务，包括 Agent 管理系统（Agent 注册、版本、权限、生命周期管理）、智能路由网关（模型选型、负载均衡、Fallback 与灰度）、成本治理系统（Token 计量、配额管控、积分计费与账单）等核心模块，保障服务可扩展性与可维护性
AI 模型成本运营与治理：围绕公司级大模型调用场景，建立端到端的成本运营与治理体系——包括多维度 Token 计量与成本归因（按业务、团队、Agent、模型、场景拆分）、配额与预算管控、流量调度与降本策略（模型分级路由、Prompt Cache、上下文压缩、批量/异步化等）、高价值场景识别与 ROI 评估
主导积分计费、内部结算与对账系统建设
AI Agent 基础服务稳定性保障：负责 AI Agent 基础服务的全链路稳定性建设，针对 LLM 长连接、流式响应、长尾延迟、上游模型抖动等特性进行链路级优化与容错设计
建设多活容灾、限流降级、熔断重试、Fallback 路由、灰度发布等稳定性能力，保障核心链路在大规模并发与上游异常场景下的可用性
构建覆盖调用量、成功率、延迟分位、Token 消耗、错误分布、成本趋势等维度的可观测体系与告警机制，完善 SLO 定义、故障应急预案与复盘机制，持续提升系统 SLA 与线上稳定性水位
优先资格
具备以下任一方向经验者优先：
大模型智能路由、模型网关、LLM Gateway 相关设计与开发经验
计量计费、配额管理、积分/账单系统研发经验
AI Agent、RAG、MCP、Function Calling 等 LLM 应用工程化经验
高可用架构、稳定性保障、SRE、可观测性体系（Metrics/Tracing/Logging）建设经验
AI 洞察
优缺点分析
优点
- 直接参与公司级AI Agent基础设施的核心项目，技术深度和业务影响力强
- 能够接触并实践大模型、高并发、分布式系统等前沿技术栈，技术成长迅速
- 大厂平台资源丰富，项目规范、有完善的培训体系和资深导师指导
- AI Agent是当前技术热点，该岗位积累的经验具有很高的市场价值与前景
- 技术栈复杂，对基础能力和系统设计能力要求高，需要快速学习并深入理解多个技术领域
- 适合计算机相关专业、基础扎实、对后端开发与AI技术有浓厚兴趣，并希望在顶尖平台深度参与前沿基础设施建设的实习生
缺点 / 挑战
- 项目涉及跨团队协作与推动，对沟通协调与项目管理能力有一定挑战
- 作为基础设施开发，需保证高稳定性和高可用性，工作责任与压力较大
角色解读
- 技术深耕：可以沿着AI基础设施方向发展，成为网关、成本系统或稳定性领域的技术专家
- 架构演进：参与大规模AI系统的架构设计与优化，向系统架构师或平台负责人方向成长
- 领域拓展：深入理解AI Agent生态与大模型工程化，为转向AI平台、MLOps或核心算法工程等方向打下基础
- 负责设计与开发支撑公司AI Agent生态的后端核心服务，包括智能网关、计费系统和成本治理平台
- 围绕大模型调用场景，构建端到端的成本运营与治理体系，进行多维度计量、配额管控与降本优化
- 保障AI Agent基础服务的全链路稳定性，针对LLM特性进行链路优化、容灾建设与可观测体系搭建
- 参与从系统设计、开发到落地的全过程，在实际项目中实践高可用与高并发架构设计
- 扎实的计算机基础（数据结构、算法、操作系统、网络）
- 至少精通一门后端语言（Java/Go/Python），熟悉微服务架构及常用中间件（如Spring Cloud, Kafka, Redis, MySQL）
- 具备高并发、高可用系统的设计与落地能力，了解分布式系统原理
- 对技术有热情，具备良好的学习、沟通与跨团队协作能力
申请策略
- 仔细研读JD，尤其是三大核心职责，思考自己过往经验如何与之匹配，在面试中有的放矢
- 了解快手的产品矩阵（如快手主站、极速版、商业化等）以及AI技术的大致应用方向，展现你的主动性与思考
- 面试前复习数据结构与算法，并准备好清晰阐述1-2个自己最有代表性的技术项目
- 突出计算机基础知识课程成绩或相关竞赛经历
- 重点描述使用Java/Go/Python完成的后端项目，尤其是涉及微服务、高并发或分布式组件的实践
- 如有涉及数据库、缓存、消息队列中间件的项目经验，请明确说明其架构与你的贡献
- 可简要提及对AI、LLM或相关开源项目的了解与兴趣（如个人项目、学习笔记）
- 深入学习Java/Go并发编程与JVM/运行时原理，这是应对高并发系统开发的基础
面试指南
- 项目问题：采用STAR法则（情境、任务、行动、结果），重点突出你的技术决策、遇到的困难以及最终效果（可量化）
- 系统设计问题：先阐述核心设计目标（如高可用、可扩展），再从架构、组件、容错、监控等角度分层展开
- 行业认知问题：结合JD中提及的技术点（如智能路由、成本治理）和公开信息（如公司AI战略），说明自己的理解与热情，避免空泛
- 请介绍一下你参与过的最复杂的后端项目，你在其中的角色是什么？遇到了哪些技术挑战？如何解决的？
- 如何设计一个高可用的API网关，需要考虑哪些核心因素？
- 如果让你为一个AI Agent服务设计成本监控系统，你会从哪些维度进行计量和告警？
- 解释一下微服务架构中的服务雪崩效应，以及常见的解决方案
- 你对大模型应用或AI Agent有什么了解？为什么对这个方向感兴趣？
职位点评
薪资福利75
成长发展95
工作生活50
使命价值85
薪资福利
75中等
作为知名上市公司的实习岗位，具有市场竞争力的实习津贴和规范的福利体系（如餐补、班车等），能提供一定的经济保障。
薪资信号未披露（AI估算：4K-7K/月）
成长发展
95较高
该岗位直接参与前沿AI基础设施的核心研发，技术挑战大，能系统性提升后端架构、高并发设计及AI工程化能力，成长空间显著。
技术前沿前沿/新兴技术
技术栈Java、Go、Python、gRPC、Kafka、Redis、MySQL、ElasticSearch、AI Agent、LLM、微服务架构
业务类型profit_center
工作生活
50较低
JD未明确说明办公模式，但根据实习岗位性质，大概率需要现场办公。作为基础设施开发，工作可能涉及线上问题响应。
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
85较高
AI Agent是当前人工智能领域的重要应用方向，参与构建公司级AI生态基础设施，具有技术开创性和业务价值感。
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