三六零
AI应用开发实习生（北京）-5420(J12486)
AI应用开发实习生（北京）-5420(J12486)
发布于 1 小时前实习/见习
实习生仅现场办公人工智能
人工智能
Prompt工程
Rag
大模型应用开发
智能Agent
值不值得投
72综合评分
综合评分 72
大型上市企业AI核心研发实习岗，技术栈前沿且成长空间大，适合追求技术深度的在校生。
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。
薪资怎么样
5千
比人工智能中位数低
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 110 个在招 · 其中人工智能 9 个
市场机会
选择面较广
北京 · 人工智能 · 约 610 个在招
职位详情
关于这个职位
该职位是三六零的AI应用开发实习生，主要参与大模型应用、智能Agent及前后端功能搭建的全流程研发
你将负责模型微调、RAG知识库搭建、Prompt优化以及应用部署与性能调优，推动AI技术在企业数字化场景中的落地
最低要求
本科及以上学历，计算机、人工智能、软件工程、数据科学、电子信息等相关专业，2026-2028届在校生，有无实习经验均可
扎实的编程基础，熟练掌握 Python，熟悉JavaScript/TypeScript、Java任一后端语言，了解基本的数据结构与算法
具备AI全栈研发认知，熟悉大模型应用开发流程，掌握RAG、Prompt优化、模型微调等核心技术，有独立搭建AI应用demo经验者优先
熟悉主流开发框架，前端了解Vue/React，后端了解FastAPI/Flask/Django，熟练使用Git、Linux基本命令，具备独立开发、调试、部署能力
具备良好的逻辑思维、自主学习能力和问题排查能力，能快速跟进新技术，抗压能力强，有良好的团队协作与沟通能力
工作职责
参与AI产品全流程研发工作，涵盖大模型应用开发、AI算法落地、前后端功能搭建、模型部署优化全链路，配合团队完成AI项目从需求调研、方案设计到落地上线的完整迭代
负责大模型微调、Prompt工程优化、RAG知识库搭建、智能Agent开发等核心AI功能研发，解决模型推理、语义匹配、内容生成中的实际问题，提升AI产品效果与实用性
参与产品前后端开发，基于主流框架完成AI应用界面交互、接口联调、功能模块开发，保障产品功能稳定、响应高效，实现AI能力可视化、可落地使用
负责AI模型、应用服务的部署、测试与迭代优化，参与性能调优、bug修复、数据复盘，持续提升模型推理速度、服务稳定性和用户体验
跟进前沿AI技术（大模型、多模态、智能体等），进行技术调研、demo验证、方案沉淀，输出技术文档，为团队技术迭代提供参考
配合产品、运营团队完成需求对接、功能验收、场景落地，支撑企业AI数字化、智能化场景落地应用
优先资格
有独立搭建AI应用demo经验者优先
AI 洞察
优缺点分析
优点
- 接触大模型、Agent、RAG等当前最热门的AI前沿技术，技术栈非常先进
- 涵盖从算法落地到前后端开发的全栈锻炼，有助于培养全面的AI工程化能力
- 依托丰富的业务场景，能将AI技术真正落地于企业数字化应用中
- 岗位要求全栈能力，涉及前后端、模型微调、部署优化等，技术广度要求高，学习曲线较陡
- 适合对大模型应用开发有浓厚兴趣、具备一定全栈开发基础，且希望在实际业务中锻炼AI工程化落地能力的在校生
缺点 / 挑战
- 大模型应用开发处于快速迭代期，需要持续跟进前沿技术，对自主学习能力和抗压能力要求较高
角色解读
- 从AI应用开发实习生成长为能够独立负责大模型应用全链路研发的AI工程师
- 未来可向AI算法专家、AI全栈架构师或AI产品技术负责人方向发展
- 参与大模型应用、智能Agent及RAG知识库的全流程研发，将AI算法落地到实际产品中
- 负责AI应用的前后端功能搭建、接口联调及模型部署优化，保障产品稳定高效运行
- 跟进前沿AI技术并进行技术调研与demo验证，配合产品运营团队推动AI场景落地
- 扎实的Python编程基础，熟悉至少一种后端语言（JS/TS/Java）及基本数据结构与算法
- 掌握大模型应用开发核心技术，包括RAG、Prompt优化、模型微调等
- 熟悉主流前后端框架（Vue/React, FastAPI/Flask/Django）及Git、Linux等开发部署工具
申请策略
- 准备一份包含GitHub链接或在线Demo的作品集，直观展示你的AI应用开发能力
- 提前了解360在AI领域的布局（如360智脑），在面试中结合公司业务场景提出你的技术思考
- 突出Python编程能力及前后端框架（Vue/React/FastAPI等）的实际项目经验
- 重点展示在大模型应用（如RAG、Agent、Prompt优化）方面的实践经历或独立搭建的Demo
- 强调快速学习能力、问题排查能力以及参与完整项目迭代的经验
- 深入学习LangChain、LlamaIndex等大模型应用开发框架，动手实现一个完整的RAG或Agent项目
- 熟悉模型部署与推理优化技术（如vLLM、TensorRT-LLM），提升工程化落地能力
面试指南
- 采用STAR法则（情境、任务、行动、结果）描述项目经验，重点突出你在其中的具体贡献和技术深度
- 对于技术优化问题，按照“发现问题-分析原因-提出方案-验证效果”的逻辑进行结构化回答
- 请详细介绍你搭建过的AI应用Demo，遇到了哪些技术难点，是如何解决的？
- 在RAG知识库搭建中，你是如何优化检索效果和语义匹配的？
- 如果模型推理速度较慢或出现幻觉，你会从哪些角度进行排查和优化？
- 请描述一下你熟悉的前后端框架，以及如何进行接口联调和部署？
- 复习大模型应用开发的核心概念（如Embedding、向量数据库、Prompt Engineering），并准备实际案例
- 梳理自己简历中的项目细节，确保对所用技术栈的底层原理和优缺点有清晰的理解
职位点评
薪资福利60
成长发展90
工作生活50
使命价值75
薪资福利
60中等
作为实习生岗位，薪资主要以满足基本生活补贴为主，符合北京地区实习津贴市场平均水平。
薪资信号未披露（AI估算：4–6.5千/月）
成长发展
90较高
岗位涉及大模型、Agent、RAG等前沿AI技术，且涵盖全栈开发与部署优化，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈Python、大模型应用开发、RAG、Prompt工程、智能Agent、Vue、React、FastAPI
成长机会跟进前沿AI技术、技术调研、方案沉淀
业务类型profit_center
工作生活
50较低
JD未明确提及工作模式与作息安排，但作为核心AI研发岗且要求抗压能力强，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JD含高强度暗示词
使命价值
75中等
岗位致力于推动企业AI数字化、智能化场景落地，具有较高的行业前景和技术使命感。
行业发展高速增长赛道
社会影响中性/一般
使命信号支撑企业AI数字化、智能化场景落地应用
创新程度积极采用新技术
三六零 的其他在招职位
相似职位推荐
Watch Jobs