基础技术-AI Coding项目实习生

Job description

• 参与建设客服、研发、运维等场景的评测与反馈平台，将真实业务问题和 Bad Case 转化为可复现、可度量的任务，完善评测数据、评测方法、、回归机制。开展 Model、Skill 与 Harness 对比评测，从质量、效率、成本和风险等维度分析结果，为技术选型和产品迭代提供依据。
• 建设能够理解用户诉求、定位问题、调用工具并完成处理的智能服务能力，推动客服Agent从回答问题升级到解决用户问题。
• 参与团队重点项目中的 AI Coding Loop 实践，覆盖任务规划、代码实现、自动化测试、代码审查等，推动规划、实现、验证、迭代的研发闭环，使 Agent 从辅助写代码升级为持续自动完成可验证的软件变更。
• 参与可观测性与智能运维能力建设，打通指标、日志、调用链、告警和变更数据，使 Agent 能够主动发现异常、响应事件、定位根因并在安全边界内执行修复，推动发现、定位、恢复、预防的运维闭环，提升系统可靠性和故障处理效率。
• 参与云资源效能优化能力建设，支持 Agent 开展需求预测与容量规划、工作负载调度、性能瓶颈分析和云资源成本治理，在满足 SLO 与可靠性约束的前提下推动优化方案落地并验证收益，持续提升资源利用率和服务性能，降低单位业务成本。
• 参与云服务安全能力建设，支持 Agent 持续识别和评估漏洞、检测威胁并辅助响应处置，在权限、审批和审计边界内，推动发现、研判、处置、验证、预防的主动风险治理闭环。
• 本科及以上在读，计算机、软件工程、人工智能、数学、统计学等相关专业优先；每周可实习不少于 4 天，持续不少于 3 个月，能够连续实习 6 个月者优先。
• 熟悉 Python、Go、Java、TypeScript/JavaScript 中至少一门编程语言，具备基本的 Linux、Git 和数据处理能力。
• 有独立完成技术项目的经历。课程大作业、科研项目、开源项目、比赛作品或个人项目均可，我们更关注你实际解决过什么问题，以及能否交付可运行、可验证的结果。
• 实际使用过 LLM API 或 AI Coding 工具，如 Codex、Cursor、Claude Code 等；不止停留在聊天体验，曾使用它们完成程序、Agent、自动化流程或其他真实任务。
• 理解大语言模型的基本原理和能力边界，熟悉 Prompt、上下文管理、Agent、Tool Calling、幻觉等基本概念。

加分项

• 对模型和 Agent 评测有强烈兴趣，研究、复现或深度分析过 SWE-bench、Terminal-Bench、ORCA-bench、SREGym、BFCL 等公开 Benchmark。
• 做过 LLM 应用评测、自动评分器、LLM-as-a-Judge、人工标注质量分析、A/B 实验或统计显著性分析。
• 熟悉 Docker、CI/CD、可观测性、云原生技术或 SRE/运维场景，对真实软件系统如何开发、运行和发生故障有一定理解。
• 有高质量开源贡献、编程竞赛、科研论文或技术文章；能够通过作品证明自己的工程能力、研究能力或技术判断力。 我们是一个真正将 AI 作为生产力和组织能力来建设的 AI Native 团队。

当行业都在讨论“Agent 能不能取代工程师”时，我们更关心一个基础但关键的问题

如何科学地衡量 Agent 做到了几分、为什么没有做到，以及怎样帮助它下一次做得更好。

在这里，你不会只做机械化的数据标注或榜单搬运

你将接触云计算研发、运维和客户服务中的真实问题，而不是只在理想化 Demo 上验证模型。 你的评测结果会直接影响模型与 Agent 选型、版本准入和项目优化方向。 你将完整参与从任务定义、数据构建、实验执行、失败分析到回归验证的 Eval 闭环。 你将获得对主流模型、Coding Agent、Agent Harness 和评测基础设施的一手认知。

你会与团队共同探索一个行业尚未形成标准答案的方向

如何为 AI Agent 建立可信、可复现、能指导工程决策的度量体系。 表现优异者有机会直接获得校招 Offer。