英伟达
Software Engineering Intern, DGX Cloud Test Development - 2027
Software Engineering Intern, DGX Cloud Test Development - 2027
发布于 3 小时前实习/见习
实习生仅现场办公测试开发
测试开发
Cuda
Go
Llm
Rest Api
自动化测试
值不值得投
71综合评分
综合评分 71
核心AI业务线实习岗，技术栈极其前沿，成长空间巨大，但需全职现场办公一年，WLB挑战较大。
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
1.2万
比测试开发中位数高
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 220 个在招 · 其中测试开发 16 个
市场机会
选择面较广
上海 · 测试开发 · 约 280 个在招
职位详情
关于这个职位
该职位是英伟达DGX云测试开发实习生，主要负责在NV GPU平台上测试AI智能体及端到端工作流
你将设计并执行各类自动化测试，验证云原生AI服务，并利用AI工具提升测试效率
适合对AI、大模型和云原生技术感兴趣的硕士在读生
最低要求
目前计算机科学、计算机工程、电气工程或相关专业硕士在读
具备较强的软件开发潜力，熟练掌握 Python 和 Shell 脚本
熟悉 AI、机器学习、大语言模型或 AI 智能体技术
有使用 AI 开发工具提升端到端 QA 工作流质量和生产力的经验
熟悉 Linux 和软件测试方法论
熟悉 REST API 测试和云原生服务验证，如部署、调用、授权、流式传输、可观测性和故障处理
具备较强的解决问题、沟通和人际交往能力
英语读写流利
态度积极主动、具有创新精神且自我驱动，对学习前沿技术充满热情
能够全职现场办公，每周5天，持续一年
工作职责
在 NV GPU 平台上测试 NVIDIA AI 智能体和端到端智能体工作流
设计并执行功能、集成、端到端、可靠性、性能和安全性测试
为推理、工具使用、多轮交互、记忆和检索等功能开发自动化测试和评估框架
使用 AI 开发工具提升测试计划、测试用例开发、执行、分析和自动化的生产力
验证云原生 AI 服务工作流，涵盖 API 端点、部署、调用、模型服务、路由、流式传输、自动扩缩容、取消、授权、可观测性和故障恢复
与开发团队合作进行问题分类、根本原因分析、验证修复并提高测试覆盖率与质量
优先资格
有测试 LLM 应用、AI 智能体或智能体工作流的经验
有开发 AI 评估或测试自动化框架的经验
了解 RAG、工具调用、提示词工程或多智能体系统
有 Docker、Kubernetes、OpenStack 或其他云原生技术经验
熟悉 Go 语言者优先
有 NVIDIA GPU 硬件、CUDA 或并行编程经验
AI 洞察
优缺点分析
优点
- 身处AI与GPU计算的最前沿，能接触到核心的DGX云平台与最新AI智能体技术
- 实习期长达一年且全职参与，能获得极其扎实的工程实践经验和简历背书
- 团队技术氛围浓厚，能学习到云原生、大模型评估等热门技术栈
- 需要同时掌握AI模型原理、云原生架构和自动化测试，技术栈跨度大，学习曲线陡峭
- 适合对AI基础设施、大模型测试和云原生技术有强烈兴趣，且能平衡好学业与全职实习的计算机相关专业硕士在读生
缺点 / 挑战
- 每周5天现场办公且持续一年，对在读硕士的时间管理和学业平衡提出较高要求
角色解读
- 从测试开发实习生起步，深入理解AI底层硬件与云原生服务的结合
- 未来可发展为AI测试架构师、AI基础设施工程师或转向AI应用研发岗位
- 在英伟达GPU平台上测试AI智能体及端到端工作流，确保其功能与性能达标
- 设计并开发自动化测试框架，验证云原生AI服务的部署、调用、流式传输等核心能力
- 利用AI工具优化测试流程，与开发团队协作排查问题并提升整体质量
- 扎实的Python和Shell编程能力，熟悉Linux环境及软件测试方法论
- 对AI、大语言模型（LLM）及智能体技术有深入理解，了解REST API和云原生架构
- 具备良好的英语读写能力和跨团队沟通协作能力
申请策略
- 在简历或求职信中展现对GPU生态和AI前沿技术的热情，附上GitHub链接或技术博客以证明技术实力
- 突出Python/Shell编程能力及自动化测试框架开发经验，展示代码质量与工程能力
- 详细列出参与过的AI/LLM相关项目，特别是涉及智能体工作流、RAG或模型评估的经历
- 强调对云原生技术（Docker/K8s）和Linux环境的熟悉程度，以及英语沟通能力
- 提前学习并实践LLM应用测试方法，了解如何评估智能体的推理、工具调用和多轮交互能力
- 熟悉REST API测试工具及云原生服务的可观测性、故障恢复机制
面试指南
- STAR法则：针对项目经验问题，清晰描述情境、任务、行动和结果，突出技术难点和你的解决方案
- 系统设计思路：针对框架设计问题，从需求分析、架构设计、核心模块实现到监控评估，展现系统性思维
- 如何设计一个针对LLM智能体多轮交互和工具调用的自动化测试框架？
- 在云原生环境中，如何验证API端点的流式传输、自动扩缩容和故障恢复能力？
- 请分享一次你使用AI开发工具提升测试或开发效率的具体经历
- 如果AI智能体在推理过程中出现偶发性错误，你会如何进行根本原因分析？
- 复习Python高级特性、Linux常用命令及Shell脚本编写，准备手撕代码或算法题
- 深入了解大语言模型（LLM）的评估指标、RAG架构及AI Agent的工作原理，准备相关技术讨论
职位点评
薪资福利75
成长发展95
工作生活40
使命价值85
薪资福利
75中等
作为顶尖科技公司的实习岗，津贴水平在市场上具有竞争力，且能提供极高的简历背书价值。
薪资信号未披露（AI估算：8千–1.5万/月）
成长发展
95较高
岗位涉及AI智能体、云原生、GPU平台等最前沿技术，且实习期长达一年，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈Python、Shell、AI、LLM、Linux、REST API、Docker、Kubernetes、Go、CUDA
成长机会learning cutting-edge technologies
业务类型ambiguous
工作生活
40较低
明确要求每周5天现场办公，持续一年，对在读学生的学业和生活平衡挑战较大。
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
85较高
参与定义下一代计算时代的AI基础设施测试，推动AI技术落地，具有强烈的科技使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号define the next era of computing、understand the world
创新程度开拓性创新（行业首创）
英伟达 的其他在招职位
相似职位推荐
Watch Jobs