中国移动
AI场景解决方案实习生
AI场景解决方案实习生
发布于 大约 17 小时前实习/见习
东莞市
无经验要求
实习生
仅现场办公
硕士
软件工程
RAG
微调
大语言模型
向量数据库
AI Agent
AI 估算 · 4k–6k
大型国企AI实习岗位，硕士学历，薪资在行业中上水平，但实习期较短，综合月薪约4-6K。
职位详情
关于这个职位
这是一个面向AI大模型应用场景的实习岗位，你将参与基于LangChain、Dify等框架的AI Agent和RAG系统开发，负责后端API封装与集成，并跟踪前沿技术进行性能优化
适合对AI技术充满热情、具备Python和LLM基础的研究生，能快速积累工程化实战经验
最低要求
教育：在读硕士研究生及以上学历，计算机科学与技术、人工智能、软件工程、数据科学与大数据技术、自动化等3T专业
能力：①具备极强的技术好奇心与快速学习能力，能适应AI领域技术的快速迭代
②逻辑思维清晰，具备良好的沟通表达能力与团队协作精神
技能：①【编程基础】熟练掌握Python编程语言，熟悉异步编程（async/await），具备良好的代码规范和面向对象设计能力，熟悉FastAPI、Flask等Web框架，能够独立开发RESTful API
②【AI核心技能】熟悉大语言模型（LLM）原理，有OpenAI、Qwen、DeepSeek等主流模型的API调用经验，熟练使用LangChain、LlamaIndex或Dify等应用开发框架，理解RAG、Agent、Memory等核心概念
了解向量数据库（如Faiss、Milvus、Pinecone）的基本原理与使用
③【工程化工具】熟悉Docker容器化部署，了解Linux常用命令及Git版本控制工具
了解MySQL、Redis等常规数据库的使用
经验：①有实际的AI Agent、知识库问答系统或AIGC应用开发项目经验
②熟悉大模型微调（LoRA/P-Tuning）流程或有相关实操经验
③在Kaggle、ACM等竞赛中获奖，或有高质量开源项目实践经历优先
工作职责
AI应用架构设计与开发：参与大模型应用场景的需求分析，负责基于LangChain、Dify等框架进行AI Agent（智能体）的设计与开发
构建RAG（检索增强生成）系统，负责向量数据库（如Milvus、Chroma）的搭建、文档清洗与检索策略优化
工程化落地与集成：负责AI应用的后端开发（Python/FastAPI），将大模型能力封装为API接口并集成至现有业务系统
参与模型微调（Fine-tuning）的数据准备与流程执行，提升模型在特定垂直领域的专业性
配合前端团队完成流式响应（SSE）接口的联调，确保用户交互的实时性与稳定性
技术调研与性能优化：跟踪业界前沿技术（如多模态大模型、多智能体协作），输出技术调研报告并推动可行性验证
负责AI应用的效果评估与监控，利用LangSmith等工具进行全链路追踪与Bad Case分析
优化系统推理性能与Token消耗成本，确保服务的高可用性与经济性
文档编写与协作：编写规范的技术文档、API文档及部署手册，参与代码审查与技术分享
与研发协作，将模糊的业务需求转化为可落地的AI技术方案
优先资格
③在Kaggle、ACM等竞赛中获奖，或有高质量开源项目实践经历优先
AI 洞察
优缺点分析
优点
- 大厂平台：中国移动央企背景，资源丰富，项目落地场景真实
- 技术前沿：涉及LangChain、RAG、Agent等热门AI技术栈，学习机会多
- 团队氛围：导师制和代码审查，有助于快速提升工程能力和规范意识
- 职业起点：实习经历含金量高，为简历增添竞争力
- 技术要求高：需要同时掌握Python后端、AI框架、Docker等多项技能，学习曲线陡峭
- 实习时长要求：每周至少3天，持续2个月以上，可能与课程冲突
- 工作地点在东莞石排镇，位置相对偏远，通勤可能不便
- 适合对AI技术有浓厚兴趣、具备一定Python和AI基础的研究生，希望在大平台积累工程化经验，并能接受现场办公的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 实习期积累AI工程化经验，未来可转向大模型应用开发工程师或AI架构师方向
- 表现优秀可转正为中国移动正式员工，进入央企技术序列，发展稳定
- 技术方向可深入多模态、多智能体协作等前沿领域，或转向AI产品经理等复合角色
- 参与大模型应用场景的需求分析，基于LangChain、Dify等框架设计并开发AI Agent
- 构建RAG系统，搭建向量数据库，优化文档清洗与检索策略
- 使用Python/FastAPI开发后端API，将大模型能力封装并集成到现有业务系统
- 跟踪前沿技术（如多模态、多智能体），输出技术调研报告，并参与性能优化与效果评估
- 熟练掌握Python，熟悉异步编程和FastAPI等Web框架，能独立开发RESTful API
- 熟悉大语言模型原理，有主流模型API调用经验，熟练使用LangChain、Dify等框架
- 了解向量数据库（Faiss、Milvus等）的基本原理与使用，有RAG或Agent项目经验
- 具备Docker容器化部署和Linux基础，了解Git版本控制
申请策略
- 在求职信中表达对AI技术的热情和对中国移动业务的了解
- 提前了解在线营销服务中心的业务方向，思考AI如何赋能客服和销售场景
- 突出你实际开发的AI Agent、RAG或AIGC项目经验，说明使用的技术栈和你的具体贡献
- 强调Python编程能力和后端开发经验，特别是FastAPI或Flask相关项目
- 展示你对大模型原理的理解，以及LangChain等框架的使用经验
- 如果有Kaggle/ACM竞赛获奖或高质量开源项目，务必提及
- 如果对LangChain或Dify不熟悉，建议先通过官方文档或小项目快速上手
- 练习构建一个简单的RAG系统（如文档问答），并熟悉向量数据库的使用
面试指南
- 对于技术原理类问题，先定义概念，再结合项目经验说明实际应用
- 对于项目经验类问题，采用STAR原则（情境、任务、行动、结果）组织回答
- 对于优化类问题，从效果和成本两个角度分析，展示对平衡的思考
- 请解释RAG的工作原理，以及你如何优化检索策略？
- 你如何使用LangChain构建一个AI Agent？请描述一个具体场景
- 你在之前的项目中如何利用PyTorch或TensorFlow进行模型微调？
- FastAPI中如何实现流式响应（SSE）？
- 如何处理大模型的高延迟和高Token消耗问题？
匹配度报告
64
综合匹配度
大厂AI实习，前沿技术栈，发展性强，但薪资一般且需现场办公。
适合人群
最适合追求技术成长和前沿经验的学生，对短期薪资要求不高，愿意在特定地点实习。
最强匹配
成长发展匹配
最弱匹配
薪资福利匹配
薪资福利45
成长发展90
工作生活50
使命价值70
薪资福利匹配
45较低
实习薪资相对较低，且未明确提及福利，但大厂实习对简历加分，长期回报较高。
薪资信号未披露（AI估算：4K-6K/月）
成长发展匹配
90较高
技术栈前沿，涉及大模型、RAG、Agent等热门方向，且有导师制和代码审查，成长空间大。
技术前沿前沿/新兴技术
技术栈Python、LangChain、Dify、RAG、大语言模型、FastAPI、Docker、向量数据库、AI Agent、微调
成长机会技术分享、代码审查
业务类型ambiguous
工作生活匹配
50较低
仅现场办公，地点在东莞石排镇相对偏远，每周至少3天的出勤有一定限制。
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）
使命价值匹配
70中等
中国移动作为央企，项目有社会价值（服务数亿用户），且AI赋能客服能提升用户体验，但使命感信号较弱。
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
Watch Jobs