滴滴出行
Artificial Intelligence-后端研发实习生
Artificial Intelligence-后端研发实习生
发布于 1 小时前实习/见习
实习生仅现场办公后端开发
后端开发
Ai Agent
Api封装
Prompt工程
Rag
后端开发
向量数据库
自动化测试
值不值得投
72综合评分
综合评分 72
聚焦AI Agent前沿技术、工程实战性强、成长空间大，但工作模式与强度需实际确认。
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
7.0千
比后端开发中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 2260 个在招 · 其中后端开发 约 120 个
市场机会
选择面较广
北京 · 后端开发 · 约 450 个在招
职位详情
关于这个职位
负责无人车工具链场景下AI Agent核心后端服务的开发与集成，参与Prompt工程、知识库(RAG)与记忆模块建设，以及Agent工具封装与自动化评测体系搭建，推动AI Agent在具体业务场景中落地跑通
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
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
- 深度接触前沿AI Agent技术与RAG架构，技术栈新颖且实战性强
- 依托头部出行平台真实业务场景，项目落地价值高且具备行业标杆意义
- 导师制培养有助于快速积累工业级AI开发经验与工程规范
- AI Agent领域技术迭代极快，需保持高强度自主学习与跟进
- 涉及多模块联调与Bad-case归因，调试过程可能较为繁琐且耗时
- 业务需求对接频繁，需兼顾技术实现效率与跨团队协作沟通
- 适合对大模型应用开发充满热情、具备较强动手能力且希望快速积累AI工程化经验的计算机相关专业学生
缺点 / 挑战
暂无明显挑战项
角色解读
- 向大模型应用工程师、AI系统架构师或算法工程师方向纵深发展
- 积累一线Agent落地与评测经验后，可晋升为技术骨干或独立负责复杂AI产品模块
- 负责AI Agent核心后端模块的开发与业务中台接口联调
- 参与RAG知识库构建、记忆模块设计及标准化工具封装
- 协助搭建自动化评测体系，通过日志追踪与Bad-case分析优化Agent效果
- 扎实的计算机基础与后端开发能力，熟悉Python及相关Web框架
- 了解大模型应用架构，掌握RAG原理、Prompt工程及向量数据库使用
- 具备较强的动手实践能力，能独立完成API封装、缓存设计与数据一致性维护
申请策略
- 关注滴滴在自动驾驶与AI领域的最新业务动态与技术博客
- 准备1-2个与Agent或RAG相关的个人Demo或实验报告以直观展示技术潜力
- 突出AI/LLM相关课程、竞赛或实验室科研项目经历
- 详细列出参与过的后端开发、数据库操作或API设计项目，量化产出
- 强调动手实践能力，附上GitHub链接或技术博客展示代码质量
- 提前熟悉LangChain/LlamaIndex等Agent开发框架的核心组件
- 掌握Redis缓存机制与主流向量数据库（如Milvus/Faiss）的基本用法与性能调优
- 补充Prompt工程最佳实践与RAG检索链路优化知识
面试指南
- 采用STAR法则描述项目经历，重点突出技术选型依据、遇到的难点及具体解决路径
- 针对技术问题，先阐述底层原理与数据流向，再结合具体场景给出排查步骤（如日志分析、链路追踪、参数调优）
- 体现工程思维，说明如何在准确性、延迟与资源消耗之间做权衡取舍
- 请介绍你熟悉的后端开发语言及技术栈，并举例说明一次复杂的接口联调经历
- 如何理解RAG架构中的检索增强原理？在实际应用中如何解决检索失效问题？
- 遇到Agent输出幻觉或响应延迟，你会如何设计排查流程与优化方案？
- 复习计算机网络、操作系统及数据结构基础，确保底层知识扎实
- 梳理过往项目中与数据库交互、缓存设计或API设计的细节与踩坑记录
职位点评
薪资福利65
成长发展88
工作生活55
使命价值70
薪资福利
65中等
实习津贴按行业中等偏上水平发放，但作为实习生岗位整体薪酬竞争力有限，福利体系依赖公司统一标准。
薪资信号未披露（AI估算：5.0–8.5千/月）
成长发展
88较高
岗位深度聚焦AI Agent与RAG等前沿技术，提供完整的工程落地与评测优化机会，技能成长空间显著。
技术前沿前沿/新兴技术
技术栈AI Agent、RAG、Prompt工程、Redis、向量数据库、Python
业务类型profit_center
工作生活
55较低
JD未明确提及弹性工时或远程办公安排，互联网技术类实习通常需坐班，工作节奏可能较快。
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
70中等
岗位直接服务于自动驾驶工具链与AI Agent落地，技术成果具有明确的商业应用价值与社会出行改善意义。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs