百度
AI 研发实习生 (Memory 方向)（J105645）
AI 研发实习生 (Memory 方向)（J105645）
发布于 大约 12 小时前实习/见习
实习生仅现场办公人工智能
人工智能
Go
Llm
Vectordb
值不值得投
77综合评分
综合评分 77
前沿AI Memory方向、百度平台实习、技术成长空间大、明确转正通道。
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
9K
比人工智能中位数高
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 1130 个在招 · 其中人工智能 21 个
市场机会
选择面较广
北京 · 人工智能 · 约 430 个在招
职位详情
关于这个职位
该职位为百度AI团队的研发实习岗，专注于新一代“Agentic Graph + Memory”系统的研发与优化
实习生将深入参与Agent记忆读写架构的设计与改进，并将该技术应用于Coding Agent、AIOps等真实业务场景，侧重于解决实际问题与价值落地
表现优异者将获得校招转正机会
最低要求
积极拥抱 + 熟悉 AI 相关工具使用，习惯阅读分享技术文章
有良好自驱力/判断力 + Taste
熟悉 Python + 至少 1 门强类型语言（C*/Rust/Java/Go），有良好的工程能力和扎实的计算机基础
熟悉 MemOS/Mem0/Graphify/CR-Graph/Skills-Graph 等图与 LLM 结合方案，有 Long-term Memory相关认知理解
工作职责
核心是研发/改进新一代 "Agentic Graph + Memory" 系统（背景可参考业内相关文章）
设计并优化 Agent 读写记忆的架构 & 攻克核心痛点
推动在 Coding Agent、AIOps/SEC、知识库等真实业务场景的落地，侧重 ROI 落地/实际应用
实习时间 ＞ 4 个月优先, 表现优异的同学有校招转正名额（有配套苹果本/主机）
优先资格
有微调 LLM/量化/加速等经验优先
了解 VectorDB/Graph/LSM 读写流程原理优先
有高质量 "开源/技术类" 比赛相关经验优先（推荐附带 Github/Blog 等个人作品/信息）
AI 洞察
优缺点分析
优点
- 前沿技术探索：直接参与Memory系统这一AI领域的前沿方向研发，技术含金量高
- 顶级平台资源：百度作为AI头部公司，能接触到大规模数据、场景和顶尖的工程师团队
- 明确转正机会：优秀实习生有直接转正为校招员工的通道，职业起点高
- 有竞争力的实习津贴：作为巨头公司，实习待遇通常优于市场平均水平
- 技术难度高：记忆系统是Agent的核心难题之一，需要较强的算法理解和工程实现能力
- 实习周期要求：要求实习时间大于4个月，需要稳定的时间投入
- 适合对AI Agent、记忆机制有浓厚兴趣，具备扎实编程基础，渴望在顶级平台探索前沿技术并寻求转正机会的高年级本科生或研究生
缺点 / 挑战
- 快速学习压力：需要快速熟悉特定的技术栈（如各种Graph方案）并产出实际成果
角色解读
- 技术专家路线：深耕AI Agent与记忆系统领域，成为该细分方向的技术专家或架构师
- 产品化路线：深入理解业务场景，将前沿AI技术转化为解决实际问题的产品能力
- 通过校招转正，正式加入百度AI核心团队，参与更大规模的AI系统建设
- 参与新一代AI记忆系统的底层研发与架构设计，让Agent拥有更强大的长期记忆能力
- 优化Agent读写记忆的核心算法，解决在复杂场景下的记忆存取与检索痛点
- 将记忆技术与Coding Agent、AIOps等具体业务结合，推动技术从实验室走向实际产品落地
- 扎实的编程能力：精通Python及至少一门C++/Rust/Java/Go强类型语言，具备良好的工程实践习惯
- AI工具与认知：积极使用各类AI工具，并保持对LLM、Agent、Memory等前沿技术的持续学习与思考
- 特定领域知识：了解Graph与LLM结合的方案，对Long-term Memory、VectorDB等有概念性或实践经验
申请策略
- 在申请材料或面试中，清晰阐述你对“AI Agent为何需要长期记忆”以及“记忆系统核心挑战”的理解
- 可以准备一个简短的方案构思，说明如何设计一个简单的Agent记忆读写流程
- 关注百度AI研发团队近期公开的技术分享或论文，了解其技术偏好
- 突出任何与AI、LLM、Agent、记忆系统相关的课程设计、项目或研究经历
- 展示使用Python及强类型语言完成的高质量项目代码或技术博客
- 强调在开源社区的贡献、技术文章的阅读分享习惯或相关比赛经历
- 清晰表达对AI工具的积极使用体验和对技术趋势的思考
- 系统学习Agent架构与Memory相关论文和开源项目（如Mem0等），建立理论框架
面试指南
- 技术问题：结合你对论文、开源项目的了解，从“是什么-为什么-怎么做”（技术背景-解决的问题-实现思路）的结构来回答，并关联到自己的实践
- 项目/经历问题：使用STAR法则（情境-任务-行动-结果），重点突出你的技术选择、实现过程和收获的思考
- 动机与规划类问题：将个人兴趣、技能优势与该岗位的技术方向、业务价值结合起来，展示你的热情和目标感
- 请介绍一下你对“Agentic Graph + Memory”系统的理解，你认为其核心难点在哪里？
- 描述一个你使用过的AI工具或参与过的项目，并说明你在这个过程中的具体贡献
- 如果你要为一个Coding Agent设计记忆系统，你会考虑哪些组件和流程？
- 你熟悉哪些图与LLM结合的技术或工具？请举例说明
- 为什么选择这个实习岗位？你对未来4个月的实习有什么规划和期望？
职位点评
薪资福利65
成长发展92
工作生活60
使命价值80
薪资福利
65中等
实习岗位薪资通常低于正式员工，但作为顶级公司的AI实习，其津贴在市场上应有一定竞争力，满足基本生活与学习需求。
薪资信号未披露（AI估算：6K-11K/月）
福利待遇配套苹果本/主机
成长发展
92较高
该职位处于AI最前沿的Agent与Memory方向，技术成长空间极大。平台技术实力雄厚，且提供了明确的校招转正通道，对职业初期发展助力显著。
技术前沿前沿/新兴技术
技术栈Agent、Memory、LLM、Python、Rust/Java/Go、VectorDB、Graph
成长机会校招转正名额
业务类型ambiguous
工作生活
60中等
职位描述未明确说明办公模式，但AI研发类岗位通常需要现场协作与使用高性能计算资源。作为实习岗，工作生活平衡可能因项目进度而波动。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
80较高
参与构建AI系统的“记忆”模块，是推动AI向更智能、更自主方向演进的核心工作之一，具有较强的技术价值与社会影响力预期。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号推动在真实业务场景的落地、侧重ROI落地/实际应用
创新程度开拓性创新（行业首创）
Watch Jobs