稀宇科技
Agent系统工程实习生（AI Infra）
Agent系统工程实习生（AI Infra）
发布于 4 小时前实习/见习
实习生仅现场办公人工智能
人工智能
Ai Agent
Api
分布式系统
后端开发
故障诊断
值不值得投
67综合评分
综合评分 67
AI Infra实习，前沿技术栈，学习机会多，但需现场办公且实习期有限。
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
5千
比人工智能中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
96 个在招 · 其中人工智能 4 个
市场机会
选择面较广
上海 · 人工智能 · 约 240 个在招
职位详情
关于这个职位
参与从0到1构建面向系统故障诊断的AI Agent平台，负责设计多Agent协作框架，实现任务路由、上下文传递和证据聚合，以提升排障系统的自动化水平和准确性
这是一个实习岗位，需要每周到岗4天以上，连续实习2-4个月
最低要求
计算机、软件工程或相关专业本科及以上学历，在校生
Python 基础扎实，能够独立完成模块设计、编码、调试和测试
了解 API、JSON、Git 和常见后端开发方式，具备基本工程实践能力
对模块化设计、任务编排、状态管理或分布式系统有兴趣
能够将复杂问题拆解为输入、步骤、判断条件和可验证的输出
对大模型、AI Agent、工具调用或智能运维方向有实际兴趣或项目经验
每周建议到岗 4 天以上，可连续实习 2—4 个月
工作职责
设计和实现 skill、plugin、sub-agent 的统一协议与运行机制
建设多 Agent 协作框架，实现任务路由、请求转发、上下文传递和结果汇总
将主机、网络、Kubernetes 等领域的排障能力抽象为可复用的 Agent 工具
探索基于日志、指标、事件和调用链的自动化诊断流程
完善 Agent 系统的超时、重试、降级、权限和结果校验机制
建立测试样例和评估方法，持续提升 Agent 输出的准确性、稳定性和可解释性
优先资格
了解 Kubernetes、Docker、Linux 或计算机网络
使用过 kubectl、Prometheus、Grafana 或日志平台
开发过 Agent、RAG、MCP、Function Calling 或自动化工作流
有后端服务、CLI 工具、开源项目或结构完整的个人项目经验
接触过异步编程、消息队列、任务调度或多服务协作
AI 洞察
优缺点分析
优点
- 参与从0到1的平台构建，能深入学习前沿AI Agent技术
- 接触真实故障诊断场景，积累工业级项目经验
- 实习期间可扩展分布式系统和云原生技能，增强竞争力
- 实习时间有限（2-4个月），需要快速学习新领域并产出成果
- 需每周到岗4天以上，工作灵活性可能受限
- 适合对AI和系统运维有浓厚兴趣的计算机专业学生，喜欢解决实际工程问题，愿意在实习中快速成长
缺点 / 挑战
- 面对复杂系统调试和多Agent交互，技术难度较高
角色解读
- 可发展为AI系统工程师，专注于智能运维和自动化诊断平台
- 转向更广泛的AI Infra角色，涉及云原生、DevOps或平台工程
- 积累经验后，可能参与架构设计或带领小团队项目
- 设计和实现AI Agent协作框架，用于自动化系统故障诊断
- 将主机、网络、Kubernetes等领域的排障能力抽象为可复用的Agent工具
- 处理多Agent交互中的任务路由、上下文传递和证据聚合
- 参与评估Agent输出的准确性和稳定性，完善系统机制
- 扎实的Python编程能力，能够独立完成模块设计和测试
- 了解分布式系统、任务编排和状态管理的基本概念
- 对AI Agent、大模型工具调用或智能运维有实际兴趣或项目经验
- 能够将复杂问题拆解为可验证的步骤，具备工程实践能力
申请策略
- 研究稀宇科技的业务方向和AI Infra产品，理解公司痛点
- 在申请材料中强调对智能运维的热情，并准备一个简短的项目演示或思考
- 突出Python项目经验，尤其是涉及API调用、模块设计或测试的案例
- 展示对分布式系统或云原生技术（如Kubernetes、Docker）的了解
- 列出AI相关课程、项目或兴趣，如大模型应用或Agent开发
- 强调问题拆解和工程实践能力，如参与过开源项目或结构完整项目
- 补充Kubernetes、Docker等云原生技能，通过在线课程或实践提升
- 学习AI Agent框架（如LangChain）和故障诊断工具（如Prometheus、Grafana）
面试指南
- 对于设计问题，从模块化、可扩展性角度思考，结合具体技术（如JSON-RPC或gRPC）说明
- 对于故障处理，采用分层策略（如重试、降级、监控），并强调状态管理和日志记录
- 对于评估，结合测试用例、指标监控和人工验证方法，确保可解释性
- 对于问题拆解，使用输入-输出思维，明确步骤和判断条件，参考实际案例
- 如何设计一个统一协议来发现和调用不同领域的Agent？
- 在多Agent协作中，如何处理任务超时或失败的情况？
- 如何评估Agent诊断结果的准确性和稳定性？
- 你如何将复杂故障问题拆解为Agent可执行的步骤？
职位点评
薪资福利60
成长发展80
工作生活50
使命价值70
薪资福利
60中等
实习岗位提供薪资但有限，适合积累经验而非追求高收入。
薪资信号市场水准 (4.35–6.53千/月)
成长发展
80较高
参与前沿AI Agent项目，技能成长空间大，但实习期较短可能限制深入发展。
技术前沿前沿/新兴技术
技术栈AI Agent、Python、Kubernetes、Docker
业务类型ambiguous
工作生活
50较低
需要现场办公，每周到岗4天以上，工作灵活性一般，但未明确加班情况。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
参与智能运维平台构建，提升系统可靠性，AI领域增长快但社会影响中性。
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