Agent算法实习生 - AI Agent中台 · 厦门 / Agent Algorithm Intern – AI Agent Platform · Xiamen

优缺点分析

角色解读

• 技术深度：深耕AI Agent架构与工程化，成为AI应用领域的专家
• 技术广度：扩展至大模型微调、多模态、具身智能等更广阔的AI研究与应用领域
• 角色发展：从实习生成长为正式的AI算法工程师或AI平台工程师，未来可向技术专家或技术管理方向发展
• 参与AI Agent中台核心组件的开发与迭代，将设计方案转化为可运行、可维护的代码
• 设计并协助构建Agent能力的自动化评测体系，用统一基准测试不同大模型，并沉淀评测方法论
• 跟踪最新的Agent领域论文与开源框架，进行技术调研、选型和原型验证，将前沿技术转化为内部生产力
• 扎实的编程能力（Python/Java/C++）和算法数据结构基础
• 对AI Agent技术栈有深入了解，包括LangGraph、AgentScope等框架，以及Prompt工程、RAG、Tool Calling等关键技术
• 熟悉机器学习/深度学习框架（如PyTorch），并能快速学习和应用最新的AIGC技术
• 对大模型应用工程化有热情，具备设计高可用、可扩展系统架构的意识和潜力

申请策略

• 仔细研读职位描述中提到的技术点（如Claude Code, Harness Engineering），并在申请材料中体现你的理解或思考
• 准备一个能体现你快速学习能力和技术热情的Side Project案例，在面试中深入讨论
• 突出与AI Agent相关的项目或研究经历，如使用LangChain/LlamaIndex等框架的开发经验
• 详细描述所掌握的AI应用关键技术（如RAG、Prompt工程）的具体实践经验
• 强调对大模型、AIGC领域的持续关注，可附上技术博客、开源贡献或相关论文
• 深入学习1-2个主流Agent框架（如LangGraph, AutoGen），理解其设计哲学和实现原理
• 实践构建一个简单的RAG或Tool Calling应用，加深对工程化链路的理解
• 关注NeurIPS、ICML等顶会中关于Agent和LLM应用的最新论文，了解技术前沿

面试指南

• STAR法则：清晰描述Situation（背景）、Task（任务）、Action（行动）、Result（结果），重点突出你的技术决策和贡献
• 结构化思考：对于设计类问题（如评测框架），先明确目标（评什么），再拆解维度（能力、稳定性、成本等），最后给出具体方案（基准、方法、工具）
• 关联实际：将理论知识和前沿信息与职位描述中的具体工作（如中台架构、内部预研）联系起来，展示你的思考深度和应用能力
• 请描述一个你参与过的Agent或LLM应用项目，你在其中具体负责什么？遇到了哪些技术挑战？
• 你如何理解'自动化评测框架'在Agent系统中的作用？如果让你设计，你会考虑哪些维度？
• 你如何看待Prompt Engineering、RAG和Tool Calling在构建一个可靠Agent中的关系与作用？
• 请介绍一个你最近关注的Agent相关论文或开源框架，并说明它可能如何应用到我们的工作中
• 你如何保持自己对AI前沿技术的学习和跟进？