智元机器人
多模态对话系统实习生（机器人交互方向）
多模态对话系统实习生（机器人交互方向）
发布于 大约 2 小时前实习/见习
上海市
初级经验
实习生
仅现场办公
本科
软件工程
Json Schema
Llm
Pydantic
Rag
多模态
对话系统
机器人交互
AI 估算 · 4k–8k
实习岗位，通常按日或月薪，B轮机器人公司实习薪资在4K-8K区间，技术含金量较高有一定溢价
职位详情
关于这个职位
这是一个多模态对话系统实习岗位，你将参与机器人交互方向的对话系统原型搭建，包括多轮对话管理、Agent/Tool Use开发、端云路由实验等
适合对AI对话系统、机器人交互感兴趣的同学，可以深入接触LLM、多模态模型等前沿技术
最低要求
本科及以上在读，计算机、人工智能、软件工程、自动化、机器人、电子信息等相关专业优先
熟悉 Python，具备基本工程开发能力，能够编写清晰、可维护的脚本和服务逻辑
了解 LLM / VLM / RAG / Agent / Tool Use / Function Calling 等基本概念
有多轮对话、RAG、Agent、问答系统、机器人交互、智能座舱、语音助手等项目经验者优先
理解 JSON / Schema / Pydantic / API 调用等结构化输出与接口约束方式
对机器人交互、多模态对话、端云协同、主动交互和服务场景智能体有兴趣
具备较好的问题拆解能力，能将“对话体验问题”拆成状态、模型、工具、路由或数据问题
工作职责
参与多模态对话系统原型搭建
协助搭建机器人对话链路，包括用户输入、上下文管理、模型调用、结构化输出、工具调用和最终回复生成
参与多轮对话状态管理
设计和维护 session state、task state、user feedback、current target、scene phase 等基础状态，支持多轮对话、任务续接和失败恢复
参与结构化输出设计与校验
支持模型稳定输出结构化字段，例如 speechact、intent、emotionstyle、toolcall、route、confidence、needclarification 等，并进行 JSON / Schema 校验
参与 Agent / Tool Use 原型开发
接入简单工具或技能调用，例如查询、导航、介绍、确认、澄清、任务切换等，支持 Demo 场景下的可执行交互
参与端侧 / 云端路由实验
协助构造 local / cloud 对比样本，支持 LOCALFINAL、LOCALPROVISIONAL、CLOUDFINAL、SAFEFALLBACK 等策略验证
参与主动交互与澄清逻辑实现
支持主动问候、主动澄清、任务恢复、失败重试等对话能力原型，例如“请问刚才是哪位在问我？”、“我继续刚才的话题”
参与 Demo 场景对话脚本工程化
将 Demo 场景中的对话流程、交互策略和模型输出格式落成可运行的原型链路
参与 case 分析与问题定位
分析对话失败原因，包括模型理解错误、状态丢失、工具调用失败、结构化输出错误、路由错误等
优先资格
做过 RAG 系统，包括 BM25、向量检索、FAISS、reranker、query rewrite 等
做过 Agent / Tool Use / Planning / Router / 多轮状态管理项目
做过 Qwen、InternVL、MiniCPM、LLaVA、GPT-4o、Claude 等模型的应用或微调
做过结构化输出、JSON 校验、function calling、tool calling、Pydantic / JSON Schema 约束
做过智能座舱、语音助手、机器人、数字人、客服助手等对话系统
有 Redis、FastAPI、vLLM、LangChain、LlamaIndex、Gradio、Streamlit 等工具经验
有多模态模型项目经验，尤其是图像/视频 + 文本的理解与交互任务
AI 洞察
优缺点分析
优点
- 接触前沿的多模态对话系统和机器人交互技术，技术成长速度快
- 项目实战机会多，从零搭建原型并参与端云路由等实验，简历含金量高
- 智元机器人作为B轮公司，处于快速发展期，实习转正机会较大
- 对话系统的调试和问题定位比较繁琐，需要耐心和细致
- 适合对AI对话系统、机器人交互有浓厚兴趣，具备较强编程和问题拆解能力的在校学生
缺点 / 挑战
- 实习岗位对工程能力和技术广度要求较高，需要快速学习并上手多种工具
- Demo场景压力下可能需要较强的自驱力和时间管理能力
角色解读
- 从对话系统实习生成长为AI对话工程师，深入掌握多轮对话、Agent系统设计
- 可向多模态交互、端云协同方向深造，成为机器人交互领域的专家
- 积累大模型应用开发经验，未来可转型AI产品经理或技术负责人
- 参与搭建机器人多模态对话系统的完整链路，包括用户输入处理、上下文管理、模型调用和结构化输出
- 设计和维护多轮对话的状态管理，支持任务续接、失败恢复等复杂交互场景
- 开发Agent/Tool Use原型，让机器人能够调用工具完成查询、导航等实际操作
- 进行对话case分析与问题定位，从状态、模型、工具等维度排查对话失败原因
- 扎实的Python编程能力，能够编写清晰的脚本和服务逻辑
- 理解LLM/VLM/RAG/Agent/Function Calling等AI对话核心技术概念
- 熟悉JSON Schema、Pydantic等结构化输出与接口约束方式
- 具备问题拆解能力，能将对话体验问题分解为状态、模型、工具、路由等子问题
申请策略
- 申请时附上相关项目GitHub链接或技术博客，展示编码能力和技术热情
- 关注机器人交互领域的最新动态，面试时展现对端云协同、主动交互等话题的思考
- 突出Python项目经验和工程能力，尤其是与对话系统、RAG、Agent相关的项目
- 展示对LLM、多模态模型等技术的理解和应用，如模型调用、结构化输出等
- 如果有智能座舱、语音助手、机器人项目经历，务必详细写出来
- 强调问题拆解和case分析能力，可以附上相关分析报告或博客
- 提前学习FastAPI、LangChain、Redis、vLLM等工具，提升工程落地能力
- 动手做一个简单的RAG或Agent小项目，加深对概念的理解
面试指南
- 对于项目类问题，使用STAR法则（Situation, Task, Action, Result）清晰描述背景、任务、行动和结果
- 对于设计类问题，先明确需求边界，再分模块阐述方案（如状态管理：状态定义、存储、更新、恢复），提及权衡和备选方案
- 对于原理类问题，先给出核心概念定义，再结合实际场景举例说明，最后可升华到优缺点和适用性
- 请详细描述你过去参与的一个对话系统或RAG项目，包括系统设计、遇到的挑战和解决方案
- 多轮对话中如何管理状态？请设计一个session状态管理的方案
- 什么是Function Calling？你如何保证模型输出符合预期的JSON Schema？
- 假设用户输入是模糊的，你如何设计主动澄清逻辑？
- 你对端云路由策略有什么理解？请对比LOCAL_FINAL和CLOUD_FINAL的优缺点
职位点评
69
综合评分
前沿技术实习，高发展性，薪资一般，适合追求技术成长的求职者。
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
最适应当前阶段优先追求技术成长和发展的在校学生。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利45
成长发展90
工作生活50
使命价值75
薪资福利
45较低
实习薪资属行业中等偏下，但作为B轮公司技术实习，福利通常较完善。
薪资信号未披露（AI估算：4K-8K/月）
成长发展
90较高
岗位技术前沿，涉及LLM、多模态、Agent等热门方向，成长空间极大。
技术前沿前沿/新兴技术
技术栈LLM、VLM、RAG、Agent、Tool Use、Function Calling、多模态、端云协同、FastAPI、LangChain、Pydantic
业务类型profit_center
工作生活
50较低
实习通常要求现场办公，工作时间相对固定，但机器人公司节奏可能较快。
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
75中等
机器人交互属于人工智能前沿领域，对社会生产自动化有积极意义。
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
智元机器人 的其他在招职位
相似职位推荐
Watch Jobs