快手
推荐 Agent 开发实习生
推荐 Agent 开发实习生
发布于 1 小时前实习/见习
实习生仅现场办公推荐系统
推荐系统
A/B测试
Langgraph
大语言模型
推荐系统
智能体开发
机器学习
运筹优化
值不值得投
76综合评分
综合评分 76
前沿AI技术栈、核心业务线历练、成长空间广阔，适合渴望积累工业级大模型落地经验的求职者
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便比较实习机会。
薪资怎么样
1.2万
比推荐系统中位数高
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 2910 个在招 · 其中推荐系统 10 个
市场机会
选择面较广
北京 · 推荐系统 · 71 个在招
职位详情
关于这个职位
负责快手推荐系统的智能体（Agent）设计与开发，结合机器学习与运筹优化技术构建面向推荐场景的分析决策能力
需独立完成工具调用、任务编排等工程化落地，并与算法及业务团队紧密协作，将专家经验沉淀为可复用的智能体模块，持续优化推荐效果
最低要求
计算机、软件、AI、数学等相关专业
基础扎实，熟练掌握 Python / Java / C++ 至少一门，有算法工程或服务端开发经验
了解机器学习、深度学习的基本原理，具备数据分析、实验设计与效果评估能力
对 Agent、LLM 应用、推荐系统有兴趣，自驱、学习能力强
沟通协作好，能把业务问题转化为技术方案
工作职责
参与推荐系统 Agent 的设计与开发，构建面向推荐场景的分析决策能力：实验诊断、策略生成、效果归因、自动优化、经验沉淀
结合业务问题，应用机器学习、运筹优化、智能决策等技术，提升 Agent 的分析、规划与自主执行能力
负责 Agent 工程化：工具调用、任务编排、上下文管理、稳定性与可观测性
与算法、平台工程、业务团队协作，把专家经验沉淀为可复用的 Agent
优先资格
有推荐 / 搜索排序 / 广告 / 个性化算法项目经验
有 Agent、LLM 应用、工具调用或多 Agent 开发经验
了解贝叶斯优化、强化学习、进化算法、运筹优化
熟悉 A/B 实验、指标分析、归因或自动化实验
有 LangGraph、AutoGen、MCP 等框架实践经验
AI 洞察
优缺点分析
优点
- 接触核心推荐业务流，技术栈前沿（LLM+Agent+推荐系统）
- 平台资源雄厚，能接触到海量真实数据与高并发场景
- 导师制完善，利于快速积累工业级AI工程经验
- 推荐系统与Agent结合属新兴交叉领域，缺乏成熟参考方案，需较强自主探索能力
- 工程化落地要求高，需兼顾模型效果与系统稳定性
- 对AI应用落地有强烈兴趣、具备扎实编程与算法基础、喜欢解决复杂工程与业务问题的计算机相关专业学生
缺点 / 挑战
- 跨部门协作频繁，沟通成本较高
角色解读
- 向推荐算法工程师或AI应用架构师方向发展
- 深入探索多智能体协同与复杂决策系统
- 积累工业级大模型落地经验，成为垂直领域技术专家
- 负责推荐场景中智能体（Agent）的核心逻辑设计与代码实现
- 搭建Agent的工程化基础设施，保障任务调度与系统稳定性
- 协同算法与业务团队，将领域知识转化为可自动执行的Agent模块
- 扎实的编程基础（Python/Java/C++）与数据结构算法能力
- 熟悉机器学习/深度学习原理及推荐系统基本架构
- 掌握Agent开发框架（如LangGraph/AutoGen）与大模型应用开发流程
- 具备实验设计、数据分析与A/B测试实战经验
申请策略
- 关注公司近期在AI推荐领域的公开技术博客或专利，面试时可结合业务痛点提出初步思考
- 准备1-2个完整的“问题定义-方案设计-实验验证”项目案例
- 突出与推荐系统、大模型应用或Agent开发相关的课程项目/竞赛经历
- 详细列出掌握的编程语言、机器学习框架及实验设计方法
- 量化展示在数据分析、A/B测试或模型优化中的具体贡献
- 提前熟悉LangChain/LangGraph等主流Agent框架的使用与源码逻辑
- 复习推荐系统经典算法（如FM、DeepFM、DIN）及排序模型原理
- 加强Linux环境下的Python/C++工程开发与调试能力
面试指南
- 采用STAR法则清晰描述项目背景、个人角色、技术选型依据及最终量化结果
- 针对实验评估，强调假设检验、指标体系构建与异常值排查逻辑
- 工程问题回答需体现分层解耦思维与可观测性设计
- 请介绍一个你使用LLM或Agent框架解决实际问题的项目
- 如何设计并评估推荐系统中新增功能的A/B实验？
- Agent的任务编排与上下文管理在实际工程中会遇到哪些挑战？
- 如何平衡推荐模型的实时性与计算开销？
- 梳理过往项目，重点准备技术难点突破过程与数据驱动决策的案例
职位点评
薪资福利75
成长发展90
工作生活60
使命价值70
薪资福利
75中等
该岗位实习津贴处于北京互联网行业市场中上水平，配套基础保障完善，但整体薪酬受限于公司统一的实习生定薪标准。
薪资信号市场水准 (8.0千–1.5万/月)
成长发展
90较高
岗位聚焦推荐系统与智能体技术的深度融合，技术栈前沿且贴近工业界核心需求，能显著提升算法工程化与大模型落地能力。
技术前沿前沿/新兴技术
技术栈Python、推荐系统、大语言模型、智能体(Agent)、LangGraph、AutoGen、强化学习
业务类型profit_center
工作生活
60中等
互联网大厂常规节奏，工作内容涉及核心算法与工程落地，项目推进期可能面临一定强度，但整体仍保留一定的技术成长空间。
工作模式未明确
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
70中等
致力于通过AI智能体优化推荐体验，直接提升用户内容分发效率与满意度，具有明确的商业价值与技术探索意义。
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