基础技术-AI Coding项目实习生

1. 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。 2. 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。 3. 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。 4. 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。 5. 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。 6. 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。 【任职要求】 1. 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。 2. 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。 3. 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。 4. 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。 5. 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： 1. 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。 2. 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。 3. 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。 4. 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。