软件开发实习生

优缺点分析

角色解读

• 从实习到正式工程师，深入 Agent 系统设计与开发，成为大模型应用专家
• 积累 LLM Agent 在真实场景的落地经验，未来可转向 AI 产品经理或技术专家方向
• 在资深工程师指导下，强化工程规范与系统架构思维，为职业发展打下坚实基础
• 参与设计并开发基于大模型的代码库治理 Agent，负责工作流设计，实现代码审查、优化、重构等自动化任务
• 构建 Agent 评测体系，包括评测集构建、自动化评估流水线开发，以及指标统计与分析
• 分析治理效果，定位失败案例与错误模式，优化提示词与任务策略，形成迭代闭环
• 协助将 Agent 接入内部研发工具链，建设人工确认与反馈机制
• 熟练掌握 Python，具备良好的编程习惯和团队协作能力
• 对 AI Agent / 大模型应用有浓厚兴趣，了解 Prompt Engineering、Tool Use、RAG 等基础概念
• 有较强的自学能力和问题解决能力，能主动推进任务
• 责任心强，注重交付质量，能保证稳定持续的全职实习

申请策略

• 在申请中表达对 Agent 技术的热情，并展示相关项目或学习成果
• 了解小马智行的业务方向，特别是自动驾驶和 AI 应用，在面试中体现对公司的了解
• 突出 Python 编程能力和项目经验，尤其是与 AI 或大模型相关的项目
• 展示对 Agent、Prompt Engineering、RAG 等概念的理解，如有相关项目或评测集构建经验要重点描述
• 强调自学能力和责任心，体现能保证实习时间
• 如有 C++ 经验，可提及作为加分项
• 提前学习 LangChain、LlamaIndex 等 Agent 开发框架，了解常见 Agent 工作流设计
• 熟悉评测集构建和自动化评估方法，了解指标如成功率、准确率等

面试指南

• 对于项目介绍类问题，采用 STAR 法则：情境、任务、行动、结果，突出你的贡献和成果
• 对于技术概念问题，先解释概念，再结合实例说明应用，最后总结你的理解
• 对于评测设计问题，从目标出发，设计评测集、评估指标和流程，并考虑迭代优化
• 请介绍一个你使用大模型或 Agent 的项目，你如何设计工作流？
• 你如何理解 Prompt Engineering？请举例说明如何优化提示词
• 如何构建一个评测集来评估 Agent 的效果？你会选择哪些指标？
• 你如何处理代码审查中的误报问题？
• 你如何保证实习期间的稳定性和交付质量？