滴滴出行
IBG-算法实习生（2）
IBG-算法实习生（2）
发布于 大约 14 小时前实习/见习
北京市 / 杭州市
无经验要求
实习生
仅现场办公
本科
人工智能
Autogen
Chatglm
Cot
Gpt
Llm
Pytorch
Semantic Kernel
Tensorflow
AI 估算 · 3k–5k
职位详情
关于这个职位
作为滴滴出行IBG部门的算法实习生，你将深入参与信贷领域智能体（Agent）系统的设计与实现，专注于任务规划、工具调用和记忆机制等核心模块的优化
你将有机会将前沿的学术成果（如ReAct、AutoGen）转化为实际业务方案，提升Agent在风控场景中的自主决策能力
该岗位适合对AI前沿技术有强烈好奇心、具备扎实Python基础和LLM知识的在校学生
最低要求
届以及之后的毕业生，本科及以上学历，计算机、人工智能相关专业优先
熟练使用Python，代码风格清晰规范
熟悉PyTorch/TensorFlow等主流框架
熟悉大语言模型（如GPT系列、LLaMA、ChatGLM等）的基本原理与应用方式
良好的沟通协作意识，对AI前沿技术有强烈的好奇心与自驱力
工作职责
参与信贷领域智能体（Agent）系统的设计与实现，重点包括任务规划（Planning）、工具调用（Function Calling）、记忆机制（Memory）等模块的优化，提升Agent在复杂任务中的自主决策能力
负责基于大语言模型的Prompt Engineering、微调（Fine-tuning）及上下文管理，针对具体业务场景（风控）设计高效的Agent工作流
跟踪多智能体协作（Multi-Agent）、反思机制（Self-Reflection）、知识融合等前沿方向，将学术成果（如ReAct、Tree of Thoughts、AutoGen）转化为可落地的技术方案
搭建实验环境，复现相关论文，撰写技术调研报告与开发文档，参与团队技术分享
优先资格
了解LangChain、AutoGen、Semantic Kernel等至少一种Agent开发框架，有实际搭建Agent项目的经验者优先
对ReAct、CoT（Chain-of-Thought）、Function Calling等提示工程技术有实践或深入理解优先
AI 洞察
优缺点分析
优点
- 滴滴出行作为行业巨头，平台大，资源丰富，能接触到真实的业务场景和海量数据
- 岗位聚焦AI前沿领域（Agent、LLM），技术含量高，能快速积累核心竞争力
- 实习期间有机会参与核心项目，与经验丰富的团队合作，获得快速成长
- 对技术能力要求高，需要同时掌握LLM、Agent框架和深度学习框架，学习曲线陡峭
- 信贷风控业务复杂，需要快速理解业务逻辑，并转化为技术方案
- 作为实习生，可能需要承担一些基础性工作，需要保持耐心和自驱力
- 适合对AI前沿技术有强烈好奇心，具备扎实编程基础，并希望在真实业务场景中应用大模型技术的在校学生
缺点 / 挑战
暂无明显挑战项
角色解读
- 从实习生成长为AI算法工程师，深入掌握Agent系统设计和LLM应用开发
- 积累信贷风控领域的业务知识，成为业务与技术结合的复合型人才
- 有机会参与前沿技术研究，发表论文或专利，提升行业影响力
- 参与信贷领域智能体系统的设计与实现，优化任务规划、工具调用和记忆机制等核心模块
- 负责大语言模型的Prompt Engineering、微调和上下文管理，设计高效的Agent工作流
- 跟踪多智能体协作、反思机制等前沿方向，将学术成果转化为可落地的技术方案
- 搭建实验环境，复现相关论文，撰写技术调研报告与开发文档
- 熟练掌握Python，代码风格清晰规范，熟悉PyTorch/TensorFlow等主流深度学习框架
- 熟悉大语言模型（如GPT、LLaMA、ChatGLM）的基本原理与应用方式
- 了解LangChain、AutoGen、Semantic Kernel等Agent开发框架，有实际搭建Agent项目的经验
- 对ReAct、CoT、Function Calling等提示工程技术有实践或深入理解
申请策略
- 在简历中明确表达对Agent和LLM技术的热情，并展示自己的学习能力
- 关注滴滴出行的招聘动态，了解面试流程和重点
- 突出在Agent、LLM、Prompt Engineering等领域的项目经验或研究成果
- 详细描述使用LangChain、AutoGen等框架搭建Agent项目的具体过程和成果
- 强调Python编程能力，以及PyTorch/TensorFlow等框架的使用经验
- 如果有相关论文或技术博客，务必附上链接
- 深入学习LangChain、AutoGen等Agent开发框架，并尝试搭建一个简单的Agent项目
- 熟悉ReAct、CoT等提示工程技术，并了解其在不同场景下的应用
面试指南
- 回答项目经验时，可以采用STAR法则（情境、任务、行动、结果），清晰描述项目背景、你的职责、具体行动和最终成果
- 回答技术问题时，可以从原理、应用场景、优缺点等方面进行阐述，并结合实际案例
- 回答业务问题时，可以结合自己的理解，并表达出学习意愿
- 请介绍一下你使用LangChain或AutoGen搭建Agent项目的经验
- 如何设计一个Agent的Prompt，使其在复杂任务中表现更好？
- 你对ReAct、CoT等提示工程技术有什么理解？
- 如何评估一个Agent系统的性能？
- 你对信贷风控领域有什么了解？
职位点评
71
综合评分
大厂AI前沿实习，技术含量高，成长快，但薪资和WLB一般。
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
该职位最适合对AI前沿技术有强烈兴趣，追求技术成长和职业发展的求职者。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利50
成长发展95
工作生活50
使命价值70
薪资福利
50较低
实习薪资在市场中属于中等水平，但滴滴作为大厂，平台和福利有一定吸引力。
薪资信号未披露（AI估算：3K-5K/月）
成长发展
95较高
岗位聚焦AI前沿技术（Agent、LLM），技术含量高，成长空间大，能快速积累核心竞争力。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、LLM、GPT、LLaMA、ChatGLM、LangChain、AutoGen、Semantic Kernel、ReAct、CoT、Function Calling
业务类型ambiguous
工作生活
50较低
实习岗位通常要求现场办公，工作地点可能在北京或杭州，通勤和灵活性一般。
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
信贷风控领域具有较高的社会价值，能帮助金融机构防范风险，但具体影响有限。
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