DiDi logo
滴滴出行
AI(3)-后端研发实习生

AI(3)-后端研发实习生

发布于 大约 1 小时前

实习/见习

中国
无经验要求
实习生
仅现场办公
本科
后端开发
Api
Prompt工程
Rag
后端开发
向量库

AI 估算 · 4k–6k

滴滴实习岗位,按日薪折算月薪约4000-6000元,处于互联网实习行情中等水平。

职位详情

关于这个职位

这是滴滴出行AI后端研发实习生岗位,你将参与无人车工具链中AI Agent核心服务的开发,涉及RAG、Prompt工程、工具封装等前沿技术

适合对AI Agent开发感兴趣、动手能力强的在校学生,能积累大厂实战经验

最低要求

本科以上学历,有实验室科研经验最好,对AI Agent开发感兴趣,动手能力强

注:若有其他疑问 可邮件咨询internrecruit@didiglobal.com

工作职责

参与Agent后端服务开发:参与无人车工具链场景下AI Agent核心服务的模块开发,完成Agent推理逻辑与公司现有业务中台、数据服务的接口联调与功能集成

协助业务场景功能落地:配合团队深入对接公司内部专业团队,梳理业务需求,参与Prompt工程实验、上下文编排配置以及简单工作流(Workflow)的定义与测试,推动Agent在具体场景中跑通跑稳
参与知识库与记忆模块建设:
知识库侧:参与RAG(检索增强生成)流程中的数据清洗、文档切分策略对比实验,以及多路召回效果的评估与调优
记忆侧:参与会话级短期记忆缓存(如Redis)与跨会话长期记忆存储(向量库/关系库/开源第三方记忆存储设计)的读写逻辑开发与数据一致性维护
参与工具封装与联调:将内部专业团队沉淀的API、脚本或Excel/PDF解析能力,封装为标准化的Agent工具(Tool),编写清晰的调用文档和Demo示例,降低业务方接入成本
参与Agent评测体系搭建与效果归因:协助搭建自动化评测数据集,对Agent的bad-case进行归类分析,通过日志和链路追踪定位问题根源(检索失效/指令歧义/幻觉等),并协助团队持续优化效果

AI 洞察

优缺点分析

优点

  • 前沿技术方向(AI Agent),技能含金量高
  • 滴滴平台大,能接触真实业务场景和海量数据
  • 实习岗位,门槛相对全职较低,适合积累经验
  • 技术栈较新,需要快速学习和适应
  • 实习时间有限,需要高效产出成果
  • 适合对AI Agent开发有浓厚兴趣、自学能力强、希望在大厂积累前沿技术经验的在校学生

缺点 / 挑战

  • 涉及多方联调和文档编写,沟通成本可能较高

角色解读

  • 实习期可深入接触AI Agent落地全流程,积累大厂实战经验
  • 表现优秀可转正,向AI应用工程师或架构师方向发展
  • 未来可延伸至产品、算法或技术管理等多条路径
  • 参与AI Agent核心服务开发,完成与业务中台和数据服务的集成
  • 参与Prompt工程实验,配置上下文、定义工作流,推动业务场景落地
  • 参与知识库RAG流程和记忆模块的构建,优化检索与数据一致性
  • 将内部API/脚本封装为标准Agent工具,并参与评测与bad-case分析
  • 熟悉Python等后端开发语言,了解Agent或大模型应用开发
  • 掌握RAG、Prompt工程、向量数据库等概念,有实践经验更佳
  • 熟悉Redis等缓存和数据库技术,具备基本的系统设计意识
  • 有科研或实验室项目经验,具备良好的动手能力和问题定位能力

申请策略

  • 在简历中明确表达对AI Agent开发的热情和快速学习能力
  • 可以准备一个简单的Agent Demo,增加竞争力
  • 突出AI相关项目经历,尤其是Agent、RAG、Prompt等项目
  • 展示后端开发能力,如Python、Redis、数据库等
  • 如有科研或实验室经验,务必强调动手能力和问题解决能力
  • 提前学习LangChain、LlamaIndex等Agent框架
  • 熟悉RAG流程和向量数据库(如Milvus、FAISS)的使用
  • 补充Redis、REST API等后端知识

面试指南

  • 项目经验用STAR法则:情境、任务、行动、结果
  • 技术问题先讲原理,再结合JD场景给出具体方案,强调实验和迭代
  • 遇到不熟悉的问题,可以说明思路和猜测,展现逻辑能力
  • 请介绍一个你参与过的AI或后端项目,重点讲你的角色和难点
  • RAG流程中如何保证检索效果?你会如何评估多路召回?
  • 什么是Agent工具封装?如何设计一个标准API接口?
  • 如果Agent回答出现幻觉,你会如何定位和优化?
  • Redis缓存与数据库一致性怎么保证?

职位点评

68
综合评分

大厂实习,AI Agent前沿技术栈,成长空间大,但薪资和WLB信息不明确。

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。

更适合这类人
最适合追求技术成长和前沿实践的学生,对WLB和薪资要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利55
成长发展85
工作生活50
使命价值70

薪资福利

55较低

实习薪资处于市场中等水平,滴滴平台可提供不错的福利保障,但JD未明确薪资和福利。

薪资信号未披露(AI估算:4K-6K/月)

成长发展

85较高

岗位涉及AI Agent、RAG等前沿技术,有较多动手实践机会,能快速提升技术能力,但JD未明确晋升通道。

技术前沿前沿/新兴技术
技术栈Agent、RAG、Prompt工程、Redis、向量库、API
业务类型ambiguous

工作生活

50较低

工作地点和模式未明确,实习生通常需要现场办公,JD未提及WLB信息,存在不确定性。

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

70中等

参与无人车工具链和AI Agent落地,有一定技术探索和社会价值,但JD未提及使命愿景。

行业发展新兴领域(暂难判断)
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs