美图
AI Agent 研发实习生 / Summer Intern- AI Agent Development
AI Agent 研发实习生 / Summer Intern- AI Agent Development
发布于 大约 10 小时前实习/见习
厦门市
无经验要求
实习生
仅现场办公
本科
软件工程
分布式系统
RAG
大模型
Agentic AI
Prompt Engineering
AI Agent
LangGraph
AI 估算 · 3k–6k
美图上市大厂，厦门实习薪资中等水平；技术栈前沿，但对实习生经验要求较高，薪资有竞争力
职位详情
关于这个职位
你将参与美图AI Agent中台的架构设计与核心功能开发，构建生产级Agentic AI系统
这是一个2026年暑期实习岗位，需全职实习5个月以上，表现优秀有机会获得留用
适合对AI Agent技术充满热情、具备扎实编程基础和Agent开发经验的同学
最低要求
本科及以上学历在读，计算机、软件工程、人工智能等相关专业优先（2027 届及以后）
熟练掌握 Python / JavaScript / TypeScript / Java / Go / C++ 等至少一种主流语言，具备扎实的算法与数据结构基础
具备 Agent 系统开发经验，掌握 LangGraph / ADK / AgentScope 等框架及实现原理
了解 Claude Code 等前沿 Agent 实现机制，能设计高可用、高扩展性的大模型工程架构
掌握 Prompt 工程、RAG、Tool Calling、Harness Engineering、Skills 等 AI 应用关键技术
具备良好的沟通表达能力，能清晰阐述架构权衡与技术决策
学习能力强，有独立解决问题的能力
工作职责
设计、实现并部署 AI 智能体，构建具备长短时记忆管理、复杂工作流状态机编排以及外部知识库检索能力的服务架构
参与 AI Agent 中台的架构设计与核心功能开发（含系统前后端接口研发）
构建 Agent 自动化评测框架，对不同大模型的 Agent 能力进行深度评估
推进平台的性能监控与全链路可观测性建设
跟进业界最新 Agent 论文和框架，参与内部技术预研
优先资格
在 GitHub 等开源社区的 Agent 相关生态中有实际 PR 贡献
了解机器学习/深度学习框架，有 Transformer 等模型实战经验
AI 洞察
优缺点分析
优点
- 深度参与AI Agent前沿技术栈，接触LangGraph、RAG、Agent评测等最新实践
- 美图已上市，平台稳定，实习表现优秀可转正，职业起点高
- 团队技术氛围浓厚，有机会跟随资深工程师学习系统架构和工程化思维
- 实习周期要求5个月以上，需全职投入，与学业安排可能冲突
- 技术栈涉及面广（前后端、LLM、分布式），学习曲线较陡
- AI Agent领域还处于快速发展期，需要持续跟踪最新论文和框架，保持学习节奏
- 适合对AI Agent技术充满热情、具备较强编程和自主学习能力，并希望在大厂积累前沿AI经验的2027届及以后的学生
缺点 / 挑战
暂无明显挑战项
角色解读
- 从实习转正，成长为AI Agent领域的核心工程师，负责关键模块设计与研发
- 向技术专家方向发展，深耕Agent架构、LLM应用或系统可观测性等方向
- 横向拓展到AI产品经理或技术Leader，主导AI产品从0到1的落地
- 设计和实现AI智能体，包含记忆管理、工作流编排和知识检索，提升Agent的自主能力
- 参与AI Agent中台的后端与前端开发，构建高可用服务接口
- 搭建自动化评测框架，系统性评估不同大模型在Agent任务上的表现
- 跟踪前沿论文与开源框架，进行技术预研并推动内部创新
- 精通至少一门主流语言（如Python、TypeScript），具备扎实的算法和数据结构基础
- 熟悉LangGraph、ADK等Agent框架，理解其内部机制及Agentic AI系统设计
- 掌握Prompt工程、RAG、Tool Calling等AI应用关键技术，能独立设计解决方案
- 具备良好的沟通能力和学习能力，能够清晰阐述技术决策并快速解决问题
申请策略
- 关注美图技术博客或公开分享，了解其AI中台方向，在面试中展现对业务的理解
- 准备好一个完整项目的技术方案和架构图，可以展示你的系统设计能力
- 突出Agent相关项目经验，特别是使用LangGraph、ADK等框架的实战经历
- 强调算法与数据结构基础，展示刷题或竞赛成果
- 如果有开源贡献或技术博客，务必列出，尤其是与AI Agent相关的
- 提前系统学习LangGraph、RAG、Prompt Engineering等核心技能，动手搭建一个小型Agent demo
- 熟悉Transformer等深度学习模型基础，理解LLM原理，可参考《动手学深度学习》相关章节
面试指南
- STAR法则（Situation-Task-Action-Result）描述项目经验，突出技术选型和落地效果
- 对于系统设计问题，先明确需求边界，再分层设计（记忆层、编排层、检索层、评估层），最后讨论权衡与优化
- 针对技术原理问题，先给出核心定义，再结合具体场景举例说明，最后引申到实际应用中的注意事项
- 请描述你使用LangGraph开发Agent的完整流程和遇到的挑战
- 如何设计一个支持多轮对话和记忆管理的Agent系统？
- 解释RAG的工作原理，并说明如何处理检索质量不高的情况
- 你在GitHub上的PR贡献具体解决了什么问题？如何与社区协作？
- 复习Agent相关论文（如ReAct、Toolformer、AutoGPT），总结核心思想
职位点评
65
综合评分
前沿AI Agent研发实习，技术成长极高，转正机会明确，薪资一般但长期回报可观。
更适合这类人
该职位最适合以技术成长为首要目标、愿意投入时间学习前沿AI Agent技术的实习求职者。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利40
成长发展90
工作生活60
使命价值70
薪资福利
40较低
实习薪资相对有限，但美图为上市公司，福利体系完善，且表现优秀可转正，长期回报较高。
薪资信号面议 (3K-6K/月)
成长发展
90较高
实习内容涉及AI Agent前沿技术，有机会参与生产级系统开发，转正通道明确，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈AI Agent、LangGraph、RAG、Prompt Engineering、LLM、Transformer
成长机会表现优秀者，将有机会获得留用
业务类型profit_center
工作生活
60中等
全职实习且时长较长，但厦门生活成本适中，工作地点在科技园，未明确提及加班情况。
工作模式仅现场办公
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
AI Agent是当下热门赛道，虽美图产品偏向消费级，但技术具有行业普适性，能参与前沿创新。
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