地平线
AI Agent 开发实习生
AI Agent 开发实习生
发布于 3 小时前实习/见习
实习生仅现场办公AI算法
AI算法
Ai Agent
Debugging
Llm
System Design
值不值得投
72综合评分
综合评分 72
前沿AI技术实战、导师制培养、高成长潜力，但工作强度和生活平衡存在不确定性
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便比较实习机会。
薪资怎么样
1.0千
与AI算法中位数基本持平
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 380 个在招
市场机会
选择不多
北京 · AI算法 · 10 个在招
职位详情
关于这个职位
地平线应用研发部招聘AI Agent开发实习生，主要参与生产环境Agent系统的维护与迭代
工作内容涵盖Agent Loop子模块开发、工具接入规范实现、评测体系建设及线上故障排查
你将使用Node.js/TypeScript、Golang或Python技术栈，在导师指导下完成从方案设计到代码合入的全流程，积累真实的工程落地经验
最低要求
计算机、人工智能、软件工程或相关专业在读，本科、硕士均可
至少掌握一门语言（Node.js / TypeScript、Golang、Python），能独立写出可运行、可调试的代码，理解异步、并发与基本数据结构
真正动手用过 LLM 或 Agent 工具（Claude Code、Cursor、LangChain、Dify 或自建 Agent 均可），能说清楚它们在哪些任务上会失败、能力边界在哪里，而不只是“用过”
有基本工程习惯：会用 Git 管理分支和提交，能在命令行里工作，会写测试
遇到报错先复现、看日志、定位，再下结论
能读英文技术文档和源码，能把问题写成别人可复现的 issue：现象、复现步骤、定位过程、结论
工作职责
核心职责：负责 Agent Loop 中的一个子模块，例如工具调用与错误恢复、会话上下文压缩与恢复、任务规划与执行状态机
独立完成方案、实现与单元测试，并能基于真实任务 trace 说明它在哪些步骤失效、改动后好在哪里
按工具接入规范实现新的 Tool / MCP 适配器：补齐 schema、参数校验、权限边界、超时、幂等与错误返回
交付适配器代码和接入文档，保证 Agent 在异常输入下也能正确调用并恢复
参与评测建设：基于真实业务场景构造评测集与断言，编写打分与回归脚本，跑评测、读 trace，判断问题出在提示词、上下文管理、检索还是工具实现，把结论整理成可复现的用例与评测报告
参与 Multi-Agent 编排或沙箱执行中的一项：定义子 Agent 的任务拆分、调度与结果汇总，明确超时和失败重试语义
或在隔离沙箱中复现线上问题，提交最小复现脚本与修复
参与可观测与线上问题排查：读日志与链路追踪，定位会话中断、工具调用失败、上下文超限等问题
补充 trace、指标与埋点，提交修复并通过代码评审与自动化测试合入主干
优先资格
课程项目、实验室项目、开源贡献、竞赛或个人 side project 中有可演示的完整作品，能讲清自己负责的部分、做过的取舍和踩过的坑，附仓库链接更好
自己搭过 Agent、RAG 或工作流应用，处理过上下文管理、工具调用、评测中的至少一个具体问题
读过 Agent 框架源码（LangGraph、AutoGen、OpenAI Agents SDK、Claude Code 等任一），或从零写过 Agent Loop、工具调用与上下文管理
熟悉 Go 或 TypeScript 的工程化实践（构建、测试、 CI、依赖管理），或了解容器与隔离技术（Docker、bwrap、namespace）、可观测性（日志、指标、链路追踪）
在真实项目中深度使用过 AI 编程工具，能判断生成代码的正确性，说清它在哪里节省了时间、在哪里给出了看似正确实则错误的答案
AI 洞察
优缺点分析
优点
- 接触前沿的AI Agent技术，参与生产环境真实项目，而非仅做Demo
- 拥有资深导师指导，经历完整的代码评审和上线流程，工程素养提升快
- 地平线作为自动驾驶头部企业，平台资源丰富，行业认可度高
- 技术栈主流且实用（Node.js/Go/Python），有利于后续职业发展
- 涉及多语言和技术栈，学习曲线较陡，需快速适应不同技术细节
- 评测和调试环节繁琐，需要耐心和细致的数据分析能力
- 适合对AI Agent领域有浓厚兴趣，具备扎实编程基础和强烈求知欲，希望在实际工程中快速成长的计算机相关专业在校生
缺点 / 挑战
- 需要处理真实的线上故障和复杂场景，对问题解决能力和抗压能力要求较高
角色解读
- 从实习生成长为具备独立负责复杂模块能力的后端/AI工程师
- 深入探索AI Agent架构设计、多智能体协作及大规模系统优化方向
- 向AI系统架构师或技术专家方向发展，主导核心技术研发
- 负责AI Agent系统中特定子模块（如工具调用、上下文管理）的开发与维护
- 实现新的工具适配器，确保Agent能正确调用外部工具并处理异常
- 参与构建和维护Agent的评测体系，通过真实数据评估模型表现
- 协助排查线上故障，优化可观测性，提升系统稳定性
- 熟练掌握至少一种编程语言（Node.js/TS, Golang, Python），具备扎实的编码基础
- 深入理解LLM及Agent工具的使用原理、局限性和应用场景
- 具备良好的工程习惯，熟练使用Git、命令行、测试框架，具备问题定位能力
- 能够阅读英文技术文档和源码，具备独立分析和解决问题的能力
申请策略
- 准备一份清晰的项目介绍，重点阐述自己在其中的角色、遇到的挑战及解决方案
- 提前了解地平线的业务方向和技术栈，展现对公司的了解和热情
- 突出展示与Agent、LLM相关的个人项目或竞赛经历，强调解决的具体问题和成果
- 详细列出掌握的技术栈（Node.js/Go/Python）及相关工具（LangChain, Docker等）
- 提供GitHub链接，展示代码质量、工程规范和开源贡献
- 强调问题分析与解决能力，如如何定位Bug、优化性能等具体案例
- 深入学习Agent框架（如LangGraph, AutoGen）的源码和设计模式
- 强化工程实践能力，特别是测试编写、CI/CD流程和容器化技术
面试指南
- STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)来结构化回答项目经历
- 原理+实践：先解释技术原理，再结合具体代码或案例说明如何应用
- 问题导向：强调发现问题、分析问题、解决问题的逻辑链条，体现工程思维
- 请介绍一个你搭建过的Agent或RAG应用，你解决了哪些具体问题？
- 在使用LLM工具时，你遇到过哪些失败场景？你是如何分析和解决的？
- 如果Agent在调用外部工具时出现超时或错误，你会如何设计和实现错误恢复机制？
- 请描述一次你通过日志和链路追踪定位线上问题的经历
- 你对Agent的评测体系有什么理解？如何构建有效的评测集？
职位点评
薪资福利60
成长发展90
工作生活50
使命价值80
薪资福利
60中等
实习岗位的薪资通常为固定津贴，虽符合市场水准但缺乏弹性增长空间，福利方面JD未明确提及额外补贴。
薪资信号未披露（AI估算：0.2–0.4千/月）
成长发展
90较高
JD强调在导师指导下参与生产环境核心模块开发，拥有完整的工程实践闭环，技术栈前沿，成长路径清晰。
技术前沿前沿/新兴技术
技术栈AI Agent、LLM、Node.js、TypeScript、Golang、Python、LangChain、MCP、Multi-Agent
成长机会mentor 的设计讨论和代码评审、从读代码、写方案、实现、跑评测到修线上问题完整走一遍
业务类型profit_center
工作生活
50较低
JD未明确提及办公模式，但提到‘真实的线上故障’和‘生产环境’，暗示可能需要应对突发状况，WLB可能存在不确定性。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
参与构建先进的AI Agent系统，推动智能化应用落地，具有显著的技术创新价值和社会影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
地平线 的其他在招职位
相似职位推荐
Watch Jobs