百度云原生微服务研发工程师实习生（J78440）

1. 参与基于大语言模型（LLM）的AI应用后端开发，包括核心逻辑设计、API接口开发及系统集成； 2. 研究并实践LLM相关技术（如RAG、Planning、Tooluse、Memory、MCP等），优化模型推理效率与业务适配性； 3. 设计并实现AI应用的后端架构，保障系统的高性能、高可用性及可扩展性； 4. 参与AI服务的部署、测试与性能优化，编写技术文档及维护代码； 5. 与算法团队协作，推动LLM模型在实际业务场景中的落地与迭代。

注意：该岗位需要提前实习，实习满2个月后，公司会安排实习转正答辩，答辩通过即有机会获得校招offer。 关键词：云原生（Docker、K8s）、公有云、私有云、混合云、集群 1. 负责开发集群容器管理平台等云原生开发项目； 2. 调研云原生最新和未来发展方向，推动产品和技术架构的演进； 3. 负责设计公有云、私有云及混合云方案，包括基础设施、微服务架构等方案的规划及平台部署。

1. 核心开发与架构设计 负责工具效能平台后端服务的编码实现，涵盖接口开发、数据处理和业务逻辑编写。 参与平台架构设计，包括技术选型（如中间件、数据库）、模块划分和性能优化，确保架构具备可扩展性和稳定性。 设计并维护数据模型，保障数据存储的安全性、一致性和查询效率。 2. 平台功能与工具集成 开发效能相关核心功能，例如研发流程自动化（如 CI/CD 流水线集成）、数据统计分析（如研发周期、缺陷率计算）等。 对接内部或外部工具（如代码仓库、测试工具、项目管理工具），实现数据互通和功能联动，减少研发团队跨工具操作成本。 响应业务需求，迭代优化现有功能，解决用户使用过程中的后端技术问题。 3. 质量保障与运维支持 编写单元测试、接口测试代码，配合测试团队完成系统测试，保障后端服务的稳定性和可靠性。 参与线上问题排查与故障处理，通过日志分析、性能监控等手段定位并解决后端服务隐患。 制定后端服务的部署策略和运维文档，配合运维团队完成服务部署、升级和容量规划。 4. 技术调研与团队协作 调研行业内先进的效能工具和后端技术（如微服务架构、云原生技术），并推动技术落地，提升平台技术竞争力。 与前端开发、产品经理、测试工程师及业务团队协作，明确需求边界，确保开发成果符合业务预期。 分享后端技术经验，参与团队技术评审，提升团队整体开发效率和技术水平。

1. 面向 AGI 的金融数据系统 设计并实现高并发、低延迟的数据管理、数据加工与数据查询引擎，支撑万亿级金融行情与用户行为数据。在存储分层、流批一体、数据质量监控等方向持续优化，为上层 LLM 与分析服务提供可靠的数据底座。 2. 内部 AI‑辅助低 / 无代码数据研发平台 为同花顺大量业务开发团队打造一站式平台，使用自然语言与可视化编排，让业务研发团队通过低代码 / 无代码方式完成金融数据获取、清洗、建模、可视化与上线发布。利用 LLM、Prompt 工程与 Code Copilot，将产品或运营需求快速转化为可落地的数据应用，显著缩短从需求到上线的周期。 3. 下一代 AIGC 金融投资软件 基于大模型与多模态技术，重塑同花顺 PC 与移动端核心功能，为 C 端用户打造智能投资助理。深度融合个性化解读、智能问答、策略生成与可视化，持续迭代 AI 体验并保障线上稳定性。