
美图Agent开发实习生(北京)
实习兼职算法类地点:北京状态:招聘
任职要求
职位描述 1. 平台构建与开发:参与AI Agent 平台的架构设计与核心功能开发,包括RoboNeo、智能客服、数据分析等产品的构建。 2. Agent 能力集成:开发 Agent 工具链集成能力,打通企业内部系统与 AI Agent 的交互流程。 3. 记忆与知识系统:探索企业知识库与记忆系统的构建,实现用户长短期记忆管理及个性化服务。 职位要求 1、本科及以上学历在读,计算机科学、人工智能、网络安全等相关专业优先; 2、掌握PyTorch/TensorFlow框架,出色…
登录查看完整任职要求
微信扫码,1秒登录
工作职责
无
包括英文材料
AI agent+
https://www.ibm.com/think/ai-agents
Your one-stop resource for gaining in-depth knowledge and hands-on applications of AI agents.
系统设计+
https://roadmap.sh/system-design
Everything you need to know about designing large scale systems.
https://www.youtube.com/watch?v=F2FmTdLtb_4
This complete system design tutorial covers scalability, reliability, data handling, and high-level architecture with clear explanations, real-world examples, and practical strategies.
数据分析+
[英文] Data Analyst Roadmap
https://roadmap.sh/data-analyst
Step by step guide to becoming an Data Analyst in 2025
学历+
PyTorch+
https://datawhalechina.github.io/thorough-pytorch/
PyTorch是利用深度学习进行数据科学研究的重要工具,在灵活性、可读性和性能上都具备相当的优势,近年来已成为学术界实现深度学习算法最常用的框架。
https://www.youtube.com/watch?v=V_xro1bcAuA
Learn PyTorch for deep learning in this comprehensive course for beginners. PyTorch is a machine learning framework written in Python.
TensorFlow+
https://www.youtube.com/watch?v=tpCFfeUEGs8
Ready to learn the fundamentals of TensorFlow and deep learning with Python? Well, you’ve come to the right place.
https://www.youtube.com/watch?v=ZUKz4125WNI
This part continues right where part one left off so get that Google Colab window open and get ready to write plenty more TensorFlow code.
还有更多 •••
相关职位
实习底盘
1. 负责部分研发效能Agent开发,通过设计场景化 的Prompt,tool use和上下文提升模型交互效果; 2. 借助 Dify、LangChain 等平台搭建原型 Agent,完成基础组件拼装并对接主流大模型; 3. 协助业务梳理研发效能及流程自动化等场景需求,并参与 AI Agent 方案与流程草案的编写; 4. 针对AI Agent的应用场景,设计相应的评估集,确保在产品迭代过程中性能表现稳步提升。
北京
实习
- AI Agent方向技术预研及架构设计。 - Agent工作流及前后端代码产出。 - 重难点技术挑战,提出有效的解决方案。 - 通过技术创新解决复杂的技术难题,推动项目的顺利进行。 - 保持与行业内外的技术交流,不断提升个人及团队的技术水平。
更新于 2025-09-08北京
实习客户端开发
1、AI编程工具研发:参与公司 AI 编程助手(类似 Cursor/Copilot)的 IDE 插件开发(Android Studio/VS Code),打造丝滑的 AI 辅助编码体验。 2、Coding Agent 构建:设计并实现面向特定编程任务的 AI Agent,包括但不限于:研发自测用例生成/执行、智能代码审查(Code Review)、存量代码新框架重构等。 3、代码库 RAG 建设:参与构建基于企业级代码库的 RAG(检索增强生成)系统,优化代码索引与检索策略,让大模型真正“读懂”代码 4、模型效果调优:通过 Prompt Engineering、SFT(监督微调)或构建评估集(Eval),持续提升模型在代码补全、解释、生成场景下的准确率与采纳率。
更新于 2026-02-10北京|上海