哔哩哔哩
推荐算法实习生-LLM Agent【2027届】
推荐算法实习生-LLM Agent【2027届】
发布于 大约 2 个月前实习/见习
上海市
无经验要求
实习生
仅现场办公
本科
实习与临时职位
Prompt Engineering
内容理解
召回
大语言模型
排序
推荐算法
特征工程
LLM
RAG
AI 估算 · 4k–7k
上海互联网大厂实习生薪资，考虑岗位技术要求较高，薪资水平中等偏上。
职位详情
关于这个职位
这是一个面向2027届毕业生的推荐算法实习生岗位，你将参与B站推荐系统与内容理解工作，探索大语言模型（LLM）和Agent技术在推荐场景中的应用，包括内容分析、用户意图理解、策略诊断等方向，适合对AI+推荐感兴趣的同学
最低要求
本科及以上学历，计算机、人工智能、数学、统计学等相关专业优先
熟练掌握 AI coding工具，具备大语言模型或 Agent 开发经验者优先，包括但不限于 Prompt Engineering、RAG、工具调用、多 Agent 协作、自动化评测、LLM 应用开发等
了解推荐系统、机器学习或深度学习基础，熟悉召回、排序、特征工程、用户建模、内容理解等方向者优先
对 AI for Recommendation、LLM for Recommendation、Agentic Workflow 等方向有兴趣，愿意探索大模型能力与传统推荐系统结合的新范式
对 B 站内容生态、社区文化和创作者生态有兴趣，愿意深入理解内容、用户、UP 主与推荐系统之间的关系
具备较强的问题拆解能力、实验意识和学习能力，能够在开放问题中快速验证想法并推动落地
工作职责
参与 B 站推荐算法与内容理解相关工作，围绕 UP 主、稿件、评论、社区互动等场景，探索 AI 能力在内容生态治理与推荐优化中的应用
参与基于大语言模型和 Agent 的内容分析能力建设，将标题、简介、弹幕、评论、用户反馈等非结构化社区信息转化为可用于推荐系统的结构化信号
设计和开发面向推荐场景的 LLM / Agent 工作流，包括内容理解、用户意图分析、内容质量评估、推荐原因生成、策略诊断等方向
结合海量用户行为数据，分析内容分发链路中的问题，挖掘推荐策略优化机会，并参与相关实验与效果评估
探索 LLM / Agent 信号在召回、粗排、精排、重排、内容冷启动、创作者成长等推荐环节中的应用方式
参与构建智能分析工具、自动化评测流程和研发辅助 Agent，提升推荐算法研发、策略分析和问题定位效率
AI 洞察
优缺点分析
优点
- 接触前沿技术（LLM+Agent+推荐系统），技能积累价值高
- 大厂实习平台，数据量大、场景丰富，简历含金量高
- 团队氛围和技术指导可能较好，利于快速成长
- 推荐系统涉及复杂链路，问题定位和实验评估需要耐心
- 适合对AI与推荐系统有浓厚兴趣，喜欢探索新技术，并有较强自驱力的2027届同学
缺点 / 挑战
- 实习期间需要快速学习并上手，技术门槛较高
- 可能面临一定的项目进度压力
角色解读
- 积累LLM与推荐系统结合的实战经验，成为AI+推荐方向的专家
- 向推荐算法工程师或AI应用研究员方向发展，未来可参与核心算法策略制定
- 在B站内容生态场景中深入理解用户与创作者，培养产品化思维
- 参与B站推荐系统的内容理解与算法优化，利用LLM和Agent技术处理非结构化社区数据
- 设计和开发面向推荐场景的LLM/Agent工作流，包括内容质量评估、用户意图分析等
- 分析海量用户行为数据，挖掘推荐策略优化机会，参与实验评估
- 熟练掌握Python及AI coding工具，有LLM或Agent开发经验如Prompt Engineering、RAG
- 了解推荐系统基础，熟悉召回、排序、特征工程等方向
- 具备较强的实验设计和问题拆解能力，能快速验证想法
申请策略
- 在申请中表达对B站社区文化的理解和个人兴趣，可提及熟悉UP主或热门内容
- 准备一份LLM+推荐结合的idea或demo，展示创新思维
- 突出LLM/Agent相关项目经验，如Prompt优化、RAG应用、多Agent协作等
- 强调推荐系统相关经历，包括召回、排序或特征工程实践
- 展示数据分析能力和实验设计案例
- 提前学习LangChain、AutoGPT等Agent框架，动手搭建一个小型Agent应用
- 补充推荐系统经典论文和B站推荐业务知识
面试指南
- 使用STAR法则清晰描述项目经历，强调技术细节和成果
- 对于开放性问题，先阐述基本概念，再结合实际场景提出方案
- 展示对推荐系统整体链路和LLM技术的理解，体现系统思考
- 请介绍一下你做过的一个LLM/Agent项目，遇到了哪些挑战？
- 你知道如何将LLM用于推荐系统吗？请举例说明
- 解释推荐系统中的召回与排序流程，及如何评估效果
- 如何利用Agent分析用户评论和弹幕，提取有用信号？
- 你了解B站的推荐场景吗？有哪些特点？
职位点评
62
综合评分
前沿技术实习，高成长性，但薪资和WLB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
适合追求技术成长、对AI和推荐系统有强烈兴趣，能接受一定工作强度的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利50
成长发展90
工作生活40
使命价值70
薪资福利
50较低
实习岗位薪资水平中等，福利未在JD中提及，补偿性动机满足度一般。
薪资信号未披露（AI估算：4K-7K/月）
成长发展
90较高
岗位涉及前沿的LLM+推荐技术，有大量学习机会，发展动机满足度高。
技术前沿前沿/新兴技术
技术栈LLM、Agent、大语言模型、推荐算法、Prompt Engineering、RAG
业务类型ambiguous
工作生活
40较低
上海现场办公，JD未提及弹性或WLB，生活化动机满足度较低。
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
B站社区文化有一定社会意义，但JD未强调使命感，意义感满足度中等偏上。
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
哔哩哔哩 的其他在招职位
相似职位推荐
Watch Jobs