小鹏汽车AI Agent 开发实习生（通用智能平台方向）
任职要求
1、教育背景：计算机、人工智能或相关专业，具备扎实的专业基础； 2、编程能力：熟练掌握 Python 开发（熟悉 C++ 为加分项），熟悉异步编程，具有良好的代码规范和工程化落地能力； 3、AI Agent 经验（核心）：具备 AI Agent 或大模型应用开发经验，深入理解 Agent 的核心组件（如 Planning、Memory、Tools），熟练使用 LangChain、LangGraph、AutoGen 等至少一种主流框架； 4、大模型基础：熟悉 Prompt Engineering 技巧，了解 RAG（检索增强生成）架构及向量数据库的使用，有…
工作职责
1、AI Agent 架构与开发：基于大语言模型（LLM）， 参与设计与开发智能体（AI Agent）及多智能体协同工作流（Workflow）； 2、Native AI 应用落地：结合自动驾驶台架测试、路测数据分析等业务场景，开发具备复杂任务规划、记忆管理、工具调用（Tool Calling）能力的 AI 应用； 3、自动化诊断与工具链建设：利用 Agent 技术重构或赋能现有的自动化诊断与分析工具，实现问题的快速定位、数据可视化及测试用例的自动生成； 4、系统集成与性能优化：负责大模型与现有自动驾驶平台系统、API 的对接，持续优化 Prompt，提升 Agent 的响应速度、稳定性和执行准确率。
AI Agent 架构与开发：基于大语言模型（LLM），参与设计与开发面向自动驾驶仿真的智能体（AI Agent）及多智能体协同工作流（Workflow）。 仿真场景与原生 AI 应用：结合自动驾驶仿真平台（如场景生成、车辆动力学、传感器仿真等）及仿真测试数据分析，开发具备复杂任务规划、记忆管理、工具调用（Tool Calling）能力的 AI 应用，提升仿真测试效率。 自动化诊断与工具链建设：利用 Agent 技术重构或赋能仿真自动化诊断、结果分析工具，实现仿真故障的快速定位、场景可视化及测试用例的自动生成。 系统集成与性能优化：负责大模型与仿真平台、API 的对接，持续优化 Prompt，提升 Agent 在仿真环境中的响应速度、稳定性和执行准确率。
工作职责 1. 基于 Java / Python 语言开发 Agent 核心功能，包括但不限于任务拆解、工具集成、状态管理等模块； 2. 调试并优化 Agent 与大模型的交互链路，提升响应速度与任务完成准确率； 3. 参与技术方案讨论，输出技术文档，推动研发流程规范化； 4. 主动调研行业内优秀的 Agent 框架（如 LangChain、AutoGPT 等）及大模型能力，提炼可复用的技术经验； 5. 协助解决开发过程中的技术问题，参与代码评审，保障代码质量。
ByteIntern：面向2027届毕业生（2026年9月-2027年8月期间毕业），为符合岗位要求的同学提供转正机会。 团队介绍：App Infra是字节跳动面向应用的基建中台部门，以App侧性能/稳定性深度优化为基础，结合LLM、Agent、生成式推荐模型等前沿技术，为字节跳动旗下的核心应用提供终端+平台的解决方案。于下层，结合操作系统、虚拟机、工具链、编译器等技术，建设了稳定性、流畅性、电量在内全链路的监控体系和调试分析工具；于上层，则结合端侧特征工程、深度学习模型/决策树模型/SLM训练等基建，围绕搜索/推荐/广告/直播/电商等场景，建设了云端协同推荐、品质体验优化等端智能解决方案。如果你热爱挑战底层技术、追求极致优化，又渴望把AI转化为千万用户感受得到的流畅与智能——欢迎加入，和我们一起打造下一代移动体验！ 1、面向字节跳动客户端研发场景，搭建稳定、高效的Agent Harness（涵盖移动运行时知识库、Skills&CLI、规模化验证体系等），并基于Trace机制持续优化长程执行的效率与效果； 2、面向客户端研发全流程，整合Issue Diagnosis、Coding、回顾与Validation等能力，构建并标准化AI Agent体系，推动在TRAE等IDE及研发平台的规模化落地，持续提升Agent在真实研发场景中的稳定性、可控性与研发效率。
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。