智元机器人
机器人交互工程师（实习）
机器人交互工程师（实习）
发布于 大约 14 小时前实习/见习
上海市
无经验要求
实习生
仅现场办公
本科
NLP工程
Langgraph
Llm
Rag
多模态
AI 估算 · 5k–9k
实习岗位，上海AI公司，大模型方向，按日薪折算约200-300元/天，月薪范围合理。
职位详情
关于这个职位
这是一份在智元机器人做LLM Agent和RAG系统的实习岗位，负责对话交互的端到端设计，涉及多模态输入、意图识别、工具调用等
你将使用Java和Spring Boot，结合LangChain等框架落地智能体，并参与评测体系建设
适合对AI应用开发有热情的在校生，能深入大模型落地场景
最低要求
本科及以上学历，计算机、人工智能、软件工程、大数据等相关专业，在读学生优先，具备扎实的Java编程基础，了解Java17+基础特性，熟悉Spring Boot基础使用，了解Redis、MySQL基础应用，接触过消息队列、HTTP请求、单元测试等基础技术者优先
了解LangChain、LangChain4j、LangGraph任一框架，熟悉ReAct、Plan-and-Execute等主流Agent基础范式，了解Function Calling调用逻辑，接触过OpenAI、豆包、通义等主流大模型的基础调用、流式输出、结构化输出功能
理解RAG全链路核心流程（文本分块、向量化、检索、重排序、生成），了解Milvus、Qdrant、ES等任意一种向量数据库基础用法，熟悉混合检索、Query改写等基础优化思路，了解RAG基础评测指标者优先
了解Multi-Agent主流协作模式，包括Supervisor、分层调度、流水线调度等，有LangGraph、AutoGen、CrewAI等框架实操经验，或了解智能体任务调度、异常兜底、并发处理基础逻辑者加分
具备良好的代码规范和系统思维，有基础的分层架构认知，重视代码注释、单元测试和文档沉淀，具备良好的问题排查能力、学习能力和团队协作能力，能快速跟进新技术迭代
工作职责
负责 LLM Agent 端到端设计与落地：多模态输入、意图识别、多轮对话、工具调用、任务规划
设计 Agent Runtime、会话上下文、结构化 Memory 与状态机驱动的对话/任务编排
建设 RAG 全链路：文档解析、向量化、混合检索、重排序、生成，持续提升命中率与答准率
设计 Multi-Agent 协作：路由、任务拆解、工具调用、结果聚合与失败兜底
LLM 工程化：Prompt 版本化、结构化输出、幻觉防御、成本与延迟优化
搭建离线评测与在线指标体系，推动 Bad Case 闭环
优先资格
加分项：有ASR、VLM、TTS多模态融合开发实践
熟练使用Spring AI、LangChain4j进行项目开发
了解vLLM、SGLang等LLM推理部署工具
有Agent评测框架搭建、大模型落地项目、开源项目贡献或技术博客输出经验
AI 洞察
优缺点分析
优点
- 深入大模型落地核心业务，能接触到LLM Agent、RAG等前沿技术
- 公司处于B轮，有机会参与从0到1的工程化过程，成长快
- 技术栈涉及Java和AI，能积累全栈式AI应用开发经验
- 实习岗位门槛适中，适合在校生积累项目经验
- 技术要求全面，需要同时掌握后端工程和AI算法知识，学习曲线较陡
- Agent相关技术迭代快，需要持续跟进最新框架和论文
- 作为实习生可能需要承担较多基础性开发工作，需要主动争取核心任务
- 适合对AI应用开发有强烈兴趣、具备Java基础且希望深入大模型技术的在校生
缺点 / 挑战
暂无明显挑战项
角色解读
- 从实习转正，逐步成长为资深的LLM应用工程师，深入Agent架构设计
- 向AI方向深耕，可发展为算法工程师或大模型应用专家
- 在机器人交互领域积累经验，未来可转向产品经理或技术管理方向
- 负责LLM Agent的端到端设计与实现，包括多模态输入解析、意图识别、多轮对话和工具调用
- 设计Agent运行时与会话管理，实现状态机驱动的任务编排和结构化记忆
- 建设RAG全链路，优化文档解析、向量检索和重排序，提升问答准确性
- 搭建评测指标体系，通过Bad Case闭环持续优化模型效果
- 扎实的Java编程基础，熟悉Spring Boot、Redis、MySQL等常用技术栈
- 了解LangChain/LangGraph等主流Agent框架，理解ReAct等范式
- 理解RAG核心流程，熟悉向量数据库（如Milvus）的基础用法
- 具备代码规范意识和系统设计思维，重视单元测试和文档沉淀
申请策略
- 在申请时附上技术博客或开源贡献，展示学习能力和热情
- 关注智元机器人的产品方向，了解其机器人交互场景，在面试中结合具体场景阐述想法
- 突出Java/Spring Boot相关的项目经验，尤其是涉及API开发、数据库操作的实际工程
- 如果有LLM或Agent相关项目，哪怕是demo，也要详细描述技术架构和实现细节
- 强调对LangChain、LangGraph等框架的掌握程度，包括实际使用经验
- 展示代码规范意识，如单元测试、文档注释等，可附上GitHub链接
- 快速学习LangChain4j或Spring AI，用Java实现一个简单的Agent或RAG应用
- 熟悉至少一种向量数据库（如Milvus或Qdrant），了解其API和特性
面试指南
- 针对项目类问题，采用STAR法则（情境-任务-行动-结果）描述，突出你的技术决策和效果
- 对于技术原理问题，先给出定义，再拆解核心组件，最后举例说明应用场景
- 对于设计类问题，从需求出发，比较多种方案，最后给出取舍理由
- 请介绍一个你使用LangChain或类似框架实现的Agent项目，遇到哪些挑战？
- 解释一下RAG的完整链路，以及如何优化检索质量？
- Java中的CompletableFuture和虚拟线程如何用于并发任务调度？
- 如何设计一个多轮对话的状态管理机制？
- 你对Multi-Agent协作模式的理解，Supervisor和流水线调度的优缺点？
职位点评
72
综合评分
大模型Agent/RL方向实习，技术前沿成长快，但薪资福利一般。
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。
更适合这类人
最适合追求技术成长、希望在AI领域快速积累经验的在校生。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利50
成长发展90
工作生活60
使命价值70
薪资福利
50较低
实习岗位薪资属于市场行情，福利较少，稳定性不如全职，补偿性满足有限。
薪资信号未披露（AI估算：5K-9K/月）
成长发展
90较高
该职位技术前沿，涉及LLM Agent和RAG，能快速提升AI工程能力，发展性极强。
技术前沿前沿/新兴技术
技术栈LLM、Agent、RAG、LangChain、LangGraph、Java、Spring Boot、Redis、MySQL、多模态
业务类型ambiguous
工作生活
60中等
工作地点在上海，实习需要坐班，未提及弹性时间，生活平衡一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
行业属于AI+机器人新兴赛道，有发展意义，但具体社会价值未明确。
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
智元机器人 的其他在招职位
相似职位推荐
Watch Jobs