小红书可观测研发实习生-基础技术

我们正在构建面向 "Agentic RL 与具身智能" 的评测与训练基础设施。支撑长程、有状态、依赖外部环境（工具、代码执行器、仿真器、机器人）的智能体任务。你将作为 infra 工程师参与平台核心模块建设： 1、设计并实现统一的任务/环境抽象层，支持异构环境的接入； 2、构建大规模并发的rollout 与评测调度系统，提升吞吐、资源利用率与稳定性； 3、搭建智能体轨迹数据管道：采集、存储、检索、回放、版本管理，以及失败案例的可视化诊断系统； 4、集成实验管理、监控告警、链路追踪等能力，保障平台在大规模任务下的可观测性与可恢复性。

岗位概述 参与 AI Agent 中台的架构设计与核心功能开发，构建生产级 Agentic AI 系统，将前沿 AI 工具理论转化为解决多业务领域问题的真实应用。 本岗位为 2026 年暑期实习，全职实习时长 5 个月以上。实习期间表现优秀者，将有机会获得留用。 职责描述 - 设计、实现并部署 AI 智能体，构建具备长短时记忆管理、复杂工作流状态机编排以及外部知识库检索能力的服务架构 - 参与 AI Agent 中台的架构设计与核心功能开发（含系统前后端接口研发） - 构建 Agent 自动化评测框架，对不同大模型的 Agent 能力进行深度评估 - 推进平台的性能监控与全链路可观测性建设 - 跟进业界最新 Agent 论文和框架，参与内部技术预研 任职资格 - 本科及以上学历在读，计算机、软件工程、人工智能等相关专业优先（2027 届及以后） - 熟练掌握 Python / JavaScript / TypeScript / Java / Go / C++ 等至少一种主流语言，具备扎实的算法与数据结构基础 - 具备 Agent 系统开发经验，掌握 LangGraph / ADK / AgentScope 等框架及实现原理；了解 Claude Code 等前沿 Agent 实现机制，能设计高可用、高扩展性的大模型工程架构 - 掌握 Prompt 工程、RAG、Tool Calling、Harness Engineering、Skills 等 AI 应用关键技术 - 具备良好的沟通表达能力，能清晰阐述架构权衡与技术决策；学习能力强，有独立解决问题的能力 加分项 - 在 GitHub 等开源社区的 Agent 相关生态中有实际 PR 贡献 - 了解机器学习/深度学习框架，有 Transformer 等模型实战经验 ▸ Overview You'll join the team building production-grade Agentic AI systems — turning cutting-edge research into real applications that solve complex business problems across the company. This is a full-time summer 2026 internship (5+ months). Strong performers will be considered for a return offer. ▸ Responsibilities - Design, implement, and deploy AI agents with long/short-term memory management, complex workflow orchestration, and external knowledge retrieval - Contribute to AI Agent platform architecture design and core feature development, including frontend/backend interfaces - Build automated evaluation frameworks to benchmark agent capabilities across different LLMs - Drive platform performance monitoring and end-to-end observability - Track the latest agent research and frameworks; participate in internal technical exploration ▸

【业务介绍】 作为公司统一的模型训练引擎团队，支撑公司内所有搜推广类业务的训练工程侧工作，包括模型训练、参数服务器、特征样本流水线等，通过引擎能力的持续建设结合多元异构算力为业务提供高效、灵活、稳定的搜广推模型服务。 你将专注于大规模AI训练系统最核心的性能优化赛道，直面千亿参数模型训练中的效率瓶颈，解决工业级AI系统在性能与规模上面临的真实挑战。 【岗位职责】 1、深入参与GPU异构计算栈的研发与调优，从算子、内存、通信多维度挖掘硬件极限性能；通过CUDA编程、内核融合、混合精度训练、通信与计算重叠等高级优化技术，不断提升训练引擎效率。 2、推动自动化扩展、智能资源调度、跨架构设备兼容（NV GPU、GPGPU、XPU等）、AI系统可观测性等先进技术在公司模型训练平台落地； 3、跟踪并推动AI系统领域的最新技术趋势（如生成式推荐、AI编译优化、RDMA/NCCL通信计算并发等），持续保持平台业界领先优势。

1. 负责大数据可观测性相关的工具系统建设，应用AI Coding高效完成开发任务，包括数据采集、ETL处理、API、报表页面开发等。 2. 探索大数据可观测场景下的AI-Agent工具能力建设，增强对故障问题的智能化发现和定位能力，实现AI对稳定性的赋能。 3. 参与大规模分布式存储、离线/实时计算等核心组件和系统的稳定性提升工作，协助业务解决优化各类风险问题，保障系统稳定性。