小红书
AI应用开发工程师-实习
AI应用开发工程师-实习
发布于 大约 14 小时前实习/见习
北京市
无经验要求
实习生
仅现场办公
本科
软件工程
RAG
LLM
AI助手
商业化
模型微调
广告运营
Spring cloud
Prompt工程
Multi Agent
AI 估算 · 3k–5k
小红书实习薪资通常较高，AI方向实习月薪约3000-5000元，技能要求高，但实习期较短。
职位详情
关于这个职位
这是一个AI应用开发实习岗位，你将参与小红书广告运营场景的AI助手开发，利用大模型、RAG、多智能体等技术提升广告服务效率
工作涉及从原型到落地的全流程，包括技术架构设计、Prompt优化、模型微调等，适合对AI前沿技术有热情的同学
最低要求
本科及以上学历，计算机相关专业，优秀院校毕业者优先
具备扎实的Java语言开发功底，良好的代码风格与习惯，熟悉Spring Cloud等微服务框架及消息队列等中间件
熟悉LLM应用调优（Prompt优化、RAG、模型微调等），有Agent或 Multi Agent实际项目设计和开发经验
关注AI技术发展，对AI前沿技术具备较强的学习能力，持续推动技术架构演进
具备一定系统架构能力，能够关注系统的非功能性需求，例如性能、可用性、扩展性、Token成本控制等方面，持续优化服务稳定性和迭代效率
了解广告运营/商业化业务流程者优先
良好的沟通、协作、学习能力，能快速融入团队，积极面对困难和挑战，协同其他角色一起达成目标
工作职责
参与小红书广告运营场景AI助手开发，利用AI技术帮助销售、代理商、运营提升客户服务能力，提升广告主服务效率和体验
深入理解商业广告运营流程，完成智能体 Multi Agent 技术架构的设计和落地，通过多Agent协同处理复杂业务流程
深度参与AI应用各流程节点的调优，包括但不限于提升RAG准召、意图识别优化、Multi Agent Planning优化、Prompt工程与模型微调等，将业界前沿AI技术应用到产品中
深度参与相关复杂业务系统架构、稳定性、Token成本、性能等方面的优化工作，保障线上服务运行稳定，资源使用合理
有数据驱动意识，通过科学的用户行为分析和广告投放数据分析为产品、技术迭代提供决策依据
优先资格
了解广告运营/商业化业务流程者优先
AI 洞察
优缺点分析
优点
- 深度参与前沿AI技术（LLM、Agent）在真实业务场景的落地，技术积累含金量高
- 公司平台大，广告商业化场景复杂，能接触海量数据和真实用户反馈
- 团队成员专业，有完整的mentor指导体系，成长速度快
- 广告业务场景复杂，需要对商业逻辑有深入理解，可能涉及跨部门协调
- 适合对AI应用开发有浓厚兴趣、具备Java基础且希望在大厂积累商业化AI项目经验的计算机专业学生
缺点 / 挑战
- 对Java和AI技术栈要求较高，需同时具备工程和算法能力，学习曲线陡峭
- 实习期较短，需快速产出成果，压力较大
角色解读
- 从实习AI应用开发工程师起步，逐步成长为独立负责模块的工程师
- 向LLM算法工程师或AI架构师方向发展，深化模型调优和系统设计能力
- 积累广告商业化经验，可向产品经理或技术Leader转型
- 参与小红书广告场景的AI助手开发，利用大模型和多智能体技术提升广告运营效率
- 负责RAG、Prompt工程、模型微调等调优工作，确保AI应用效果
- 优化系统架构和稳定性，控制Token成本，保障线上服务高效运行
- 通过数据分析驱动产品迭代，为技术决策提供依据
- 扎实的Java编程基础，熟悉Spring Cloud微服务架构及消息队列
- 熟悉LLM应用技术栈，包括Prompt优化、RAG、模型微调等
- 具备Agent或Multi Agent实际项目经验，能设计多智能协作流程
- 良好的系统架构意识和性能优化能力，关注非功能性需求
申请策略
- 面试前准备一个完整的AI应用项目（如智能客服），详细讲解技术选型和优化过程
- 关注小红书技术博客或开源项目，了解其技术栈，面试中展现主动学习能力
- 突出AI相关项目经验，特别是Agent、RAG、Prompt工程等实际成果
- 强调Java开发能力，展示Spring Cloud、消息队列等中间件使用经历
- 如有广告或商业化相关项目或课程研究，务必提及
- 体现数据驱动思维，如使用A/B测试或数据分析优化方案的案例
- 复习Java多线程、JVM调优等高级特性，应对系统优化问题
- 深入学习LangChain、AutoGPT等Agent框架，并动手实现简单Multi Agent系统
面试指南
- 对于项目介绍，使用STAR法则（情境-任务-行动-结果），突出技术难点和量化成果
- 对于RAG优化，从数据清洗、分块策略、嵌入模型选择、重排序等维度系统性回答
- 对于系统设计问题，先明确需求，再考虑架构选型，最后讨论权衡
- 请介绍一个你使用Agent或Multi Agent完成的项目，遇到的最大挑战是什么？
- 如何优化RAG系统的召回准确率？请给出具体方案
- 在Spring Cloud微服务中如何保证服务的高可用？
- 如何评估和降低LLM调用的Token成本？
- 你对广告商业化了解多少？如何将AI技术应用到广告场景？
匹配度报告
68
综合匹配度
顶级大厂AI应用开发实习，前沿技术栈，成长空间大，但薪资和WLB一般。
适合人群
最适合追求技术成长、对AI前沿有强烈兴趣的实习学生，不太适合看重短期薪资或工作生活平衡的人群。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利55
成长发展95
工作生活50
使命价值70
薪资福利匹配
55较低
实习薪资属于市场中等水平，但大厂福利较好，有餐补和免费零食。整体补偿性一般。
薪资信号未披露（AI估算：3K-5K/月）
成长发展匹配
95较高
职位深度参与前沿AI技术（LLM、Agent、RAG），且有实际业务场景，技术成长极快。大厂平台能提供完善的导师制和内部技术分享。
技术前沿前沿/新兴技术
技术栈LLM、RAG、Agent、Multi Agent、Prompt工程、模型微调
业务类型profit_center
工作生活匹配
50较低
实习通常要求到岗办公，且互联网大厂可能有一定加班强度，WLB一般。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
70中等
广告商业化场景明确，AI赋能运营效率提升有一定社会价值，但本质是商业驱动，使命感中等。
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
Watch Jobs