Agent 产品研发实习生

优缺点分析

角色解读

• 从Agent核心模块开发入手，逐步深入理解大模型应用全栈技术，成为AI Agent领域的专家
• 有机会将Agent能力落地到小红书实际业务，积累工程和业务双重经验，未来可向AI产品经理或技术Leader发展
• 实习表现优秀可转正，进入小红书AI团队，参与前沿Agent产品研发
• 设计和实现Agent Harness，确保Agent能稳定完成长链路、多步骤任务，涉及工具调用、任务调度、上下文管理等核心模块
• 建设安全控制机制，如权限、沙箱、人工确认，保障Agent在真实业务中的安全执行
• 构建trace、replay、observability能力，支持Agent执行过程的追踪和问题定位
• 将Agent技术应用到研发流程（需求拆解、代码修改）以及内容、运营、增长等业务场景，探索实际价值
• 扎实的编程基础：至少熟练掌握一门主流语言（如Python），能独立完成模块设计、开发和调试
• 对AI Agent和LLM应用有浓厚兴趣或实践经验，深入使用过Claude Code、Cursor、Devin等产品
• 自驱力强，能在问题不清晰的情况下快速验证和迭代，适应快节奏和方向调整
• 了解Agent在真实场景中的应用，包括研发、内容、运营、数据分析等

申请策略

• 在简历或Cover Letter中结合具体案例说明你对Agent能力边界的判断，例如分析某个Agent产品在什么场景有效、什么场景失效
• 关注小红书的业务生态，提前思考Agent如何在内容、运营、增长方面创造价值，面试时展示业务理解
• 突出编程语言和工程能力，用具体项目展示模块设计、开发、调试的独立完成能力
• 强调对AI Agent产品的深入使用和理解，如对Claude Code、Cursor、Devin等有实际案例分享
• 如果有开源项目、AI相关技术输出（博客、GitHub star）、竞赛（ACM/Kaggle）或顶会论文经历，务必重点展示
• 体现自驱力和快速迭代能力，例如描述在问题不明确时如何主动学习、快速原型验证的经历
• 提前深入学习一个主流Agent框架（如LangChain、AutoGPT）或动手实现一个简单Agent，加深对工具调用、记忆机制的理解
• 熟悉LLM的API调用和Prompt Engineering，尝试用GPT/Claude解决实际小问题，积累经验

面试指南

• STAR法则：针对项目或案例问题，先描述情景(Situation)和任务(Task)，再说明行动(Action)和结果(Result)
• 结构化表达：对于设计类问题，采用“总-分-总”结构，先给出框架（如安全性、可观测性、扩展性），再分点阐述，最后总结
• 对比分析：当被问及Agent产品使用体验时，从能力边界、适用场景、优缺点等维度对比，展现深入思考
• 请谈谈你对AI Agent的理解，以及你认为Agent在真实企业场景中最大的挑战是什么？
• 你使用过哪些Agent产品（如Claude Code、Cursor）？分享一个你通过Agent高效完成任务的案例
• 如果要设计一个安全的Agent执行环境，你会考虑哪些方面？如何处理权限和沙箱？
• 你如何评估一个Agent方案的有效性？有哪些指标或调试手段？
• 你参与过哪些开源项目或AI相关实践？你个人在项目中扮演什么角色？