恩智浦半导体
2027 Intern - STA agent developer Intern
2027 Intern - STA agent developer Intern
发布于 5 小时前实习/见习
实习生仅现场办公人工智能
人工智能
Ai Agent
Llm
Rag
人工智能
向量数据库
提示词工程
知识图谱
值不值得投
74综合评分
综合评分 74
外企平台、前沿AI技术栈、侧重工程提效、WLB较好、薪酬中等
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
5.0千
比人工智能中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
92 个在招 · 其中人工智能 7 个
市场机会
选择适中
天津 · 人工智能 · 34 个在招
职位详情
关于这个职位
面向在校本科生及以上学生，负责基于公司AI平台开发领域专属AI助手
利用LLM、RAG和知识图谱技术构建知识库系统，探索大模型在工程工作流（如信息检索、报告分析）中的应用，并通过提示词工程和知识优化持续迭代Agent性能
最低要求
正在攻读计算机科学、电气工程、人工智能或相关领域的学士、硕士或博士学位
具备LLM和AI Agent基础概念知识
有Python编程经验
熟悉RAG、向量数据库、知识图谱或相关AI技术
具备强大的问题解决能力和学习新领域的意愿
工作职责
使用公司内部AI平台开发AI智能体（Agents）
构建并维护基于RAG/KAG的知识系统
探索利用LLM辅助工程工作流，例如信息检索、报告分析和故障调查
与STA和CAD工程师合作，理解需求并识别自动化机会
通过提示词工程和知识优化评估并提升Agent性能
记录解决方案并与团队分享最佳实践
AI 洞察
优缺点分析
优点
- 接触前沿LLM与Agent技术栈
- 依托跨国半导体巨头平台，业务场景真实且数据质量高
- 导师制培养，技术成长路径清晰
- 需快速跨领域理解STA/CAD工程逻辑
- 提示词调优与知识库构建存在试错成本
- 外企流程规范但内部工具可能较封闭
- 适合计算机/AI相关专业在校生，对大模型落地应用感兴趣，具备较强自驱力和工程化思维的同学
缺点 / 挑战
暂无明显挑战项
角色解读
- 从AI应用开发实习生起步，可深入AI Agent架构设计或大模型微调方向
- 未来可向AI产品经理、算法工程师或技术负责人发展
- 基于公司AI平台开发垂直领域AI助手
- 搭建和维护RAG/知识图谱系统
- 利用大模型优化工程团队的检索与分析工作流
- 熟练掌握Python编程
- 理解LLM、RAG及AI Agent核心原理
- 具备向量数据库或知识图谱实操经验
- 优秀的提示词工程与问题拆解能力
申请策略
- 关注恩智浦校招官网动态，准备英文简历
- 面试前研究该公司内部AI平台可能的技术选型，展现对工业AI落地的思考
- 突出Python项目经验及LLM/RAG相关课程/竞赛成果
- 展示知识图谱或向量数据库的实操细节
- 强调解决复杂问题的逻辑思维
- 提前熟悉LangChain/LlamaIndex等主流Agent框架
- 练习Prompt Engineering技巧
- 了解半导体/电子设计基础术语以便快速对接业务
面试指南
- 采用STAR法则描述项目背景与行动
- 重点阐述数据预处理、检索增强策略、评估指标及迭代过程
- 结合业务场景说明技术选型的权衡
- 请介绍一个你使用RAG或LLM完成的项目，遇到了哪些挑战？如何优化？
- 如果让你为一个工程文档库设计Agent，你会如何构建知识库和检索策略？
- 提示词工程中如何处理幻觉问题？
- 复习大模型基础原理与RAG架构
- 准备1-2个完整的AI应用案例
职位点评
薪资福利65
成长发展85
工作生活70
使命价值60
薪资福利
65中等
外企实习津贴符合天津地区市场水准，福利体系规范但薪资非顶尖。
薪资信号市场水准 (3.5–6.0千/月)
成长发展
85较高
聚焦前沿AI Agent与大模型技术，提供真实工程场景落地机会，技术成长空间大。
技术前沿前沿/新兴技术
技术栈Python、LLM、RAG、知识图谱、AI Agent、向量数据库
业务类型cost_center
工作生活
70中等
跨国企业通常注重工作与生活的平衡，但技术研发岗可能需要配合项目进度灵活调整。
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
60中等
致力于将AI技术引入传统工程领域，推动行业智能化转型，具有一定技术使命感。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
恩智浦半导体 的其他在招职位
相似职位推荐
Watch Jobs