英伟达
AI Agent Development Engineer (RDSS Intern)
AI Agent Development Engineer (RDSS Intern)
发布于 5 小时前普通员工/个人贡献者
实习生混合式弹性办公机器学习工程
机器学习工程
Ai Agent
CI/CD
Llm应用
Prompt Engineering
Rag架构
Tcl
工具链开发
开发者体验
值不值得投
81综合评分
综合评分 81
顶尖AI技术栈、高成长潜力、前沿研发导向，兼顾优质薪酬与广阔职业前景
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
7.5万
比机器学习工程中位数高
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 480 个在招 · 其中机器学习工程 21 个
市场机会
选择不多
台北 · 机器学习工程 · 8 个在招
职位详情
关于这个职位
负责构建与部署AI代理工具及大语言模型应用，优化AI辅助编码工作流与开发者体验
需持续跟进前沿AI技术并将其转化为实际生产力，解决复杂工具链问题并编写标准化文档，直接赋能工程团队高效交付
最低要求
计算机科学、电气工程、计算机工程、人工智能或相关专业硕士学位
在AI代理、基于大语言模型的应用、提示词工程、RAG、工具调用或AI工作流自动化方面具备扎实的实践经验
有构建AI驱动应用、编码助手、自动化工具或开发者生产力解决方案的实战经验
深入理解软件开发工作流，包括编码、调试、测试、版本控制、代码审查及CI/CD
具备持续追踪最新AI代理与大语言模型技术、评估其实际应用价值并优化工具可用性、可靠性与输出质量的能力
拥有出色的分析与问题解决能力，能精准把握工程痛点并提供有效的AI解决方案
工作职责
构建并部署AI代理工具，助力工程团队加速软件开发进程
持续跟踪最新的AI代理、大语言模型及自动编码技术，并将其应用于提升工具能力
优化AI辅助编码工作流，提升易用性、代码质量、可靠性及开发效率
与工程师紧密合作，洞察真实开发痛点，将反馈转化为切实可行的工具改进方案
分析、调试并解决复杂的工具链问题，保障流畅的开发者体验
制定指南、文档与操作指引，支持工程团队顺利采纳新工具
优先资格
精通Tcl/C++/Python编程语言，具备设计、实现、调试和维护高质量工具的能力
优秀的沟通协作能力，强烈的责任心与创新热情
AI 洞察
优缺点分析
优点
- 依托顶级算力平台与开源生态，接触最前沿的AI Agent与大模型技术栈
- 深度参与核心开发者工具建设，技术影响力直接辐射全球工程团队
- 完善的导师机制与国际化研发环境，利于快速积累高含金量项目经验
- 需持续高强度跟进快速迭代的LLM技术，对知识更新速度与自学能力要求极高
- 工具链优化涉及底层编译与多语言兼容，调试复杂度高且容错率低
- 跨部门协同需求频繁，需平衡技术理想与工程落地现实
- 适合对AI工程化落地有强烈兴趣、具备扎实编程基础与系统思维，且渴望在顶尖技术平台深耕的计算机相关专业学生或应届生
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向AI基础设施架构师或大模型应用研发专家方向发展，逐步主导核心工具链规划
- 积累工程落地经验后，可转型为AI产品技术负责人或独立负责创新孵化项目
- 长期发展可延伸至AI安全、自动化运维或技术管理岗位
- 负责构建与维护AI代理及大语言模型应用工具，直接赋能内部工程团队的软件开发流程
- 持续追踪前沿AI技术，将其转化为可落地的自动化编码与调试解决方案
- 深度参与开发者工具链的优化，解决复杂技术问题并输出标准化文档
- 熟练掌握Python/C++等编程语言，具备扎实的AI代理、RAG架构及提示词工程设计能力
- 深入理解软件工程全生命周期，熟悉CI/CD流水线与版本控制规范
- 具备优秀的系统调试能力与跨团队协作沟通技巧
申请策略
- 提前研究英伟达开源工具生态及近期AI Agent技术论文，展现技术敏锐度
- 关注RDSS项目的签证与合规要求，确保申请资格符合当地政策
- 准备清晰的技术项目复盘逻辑，突出工程思维而非单纯算法调优
- 突出AI Agent开发、RAG或LLM应用搭建的具体项目经历，量化性能提升或效率优化指标
- 详细列出掌握的编程语言、框架及CI/CD工具链实操经验
- 强调解决复杂工程问题的案例及文档撰写能力
- 强化Prompt Engineering与Tool Calling的实际应用，熟悉LangChain/LlamaIndex等主流框架
- 补充Linux系统调试、内存管理及高性能计算基础知识
面试指南
- 采用STAR法则结构化阐述项目背景、目标、行动与结果，重点突出数据验证与用户反馈闭环
- 针对性能优化问题，从架构设计、缓存策略、异步处理及模型微调维度分层解答
- 展示“需求收集-复现定位-原型验证-灰度发布-效果监控”的标准工程迭代路径
- 请分享一个你构建的AI代理或自动化编码工具项目，说明技术选型与难点攻克过程
- 如何评估和优化一个基于LLM的工具的输出质量与响应延迟？
- 面对工程师反馈的工具使用痛点，你的排查与迭代流程是怎样的？
- 系统复习LLM推理优化、向量数据库检索及Agent规划算法原理
- 准备1-2个完整的全栈AI工具Demo或GitHub开源项目供面试官查验
职位点评
薪资福利75
成长发展90
工作生活70
使命价值85
薪资福利
75中等
该企业为国际知名科技公司，为实习生提供高于市场平均水平的津贴与完善福利体系，经济回报显著。
薪资信号偏高 (6.0千–9.0万/月)
福利待遇综合福利包
成长发展
90较高
岗位聚焦AI Agent与大模型前沿技术，提供接触顶级算力与全球工程团队的稀缺机会，技术成长曲线陡峭。
技术前沿前沿/新兴技术
技术栈AI Agent、LLM、Prompt Engineering、RAG、Auto-coding、CI/CD
业务类型profit_center
工作生活
70中等
科技大厂通常提供弹性办公环境与合理工时，但AI研发节奏较快，项目交付期可能面临阶段性高压。
工作模式未明确
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
致力于定义下一代计算时代，通过AI基础设施推动机器人、自动驾驶等领域的突破性进展，社会与技术价值深远。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号定义下一代计算时代、在全球范围产生持久积极影响
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