AI Agent 算法实习生-两轮(J21732)

这个岗位要解决什么问题 我们要让大模型接管算法模型的日常运维，也要把一批策略 Agent 落到一线用起来。这两件事有一个共同的地基：AI 需要一份程序可读、每天自动更新的事实库，才能知道线上到底在跑什么、依赖什么、哪里出了问题。 现状是这份事实库还不存在。线上运行着大量算法模型、特征与数据任务，它们的真实运行状态与平台记录之间存在偏差：有的显示在线却早已没有真实流量，有的依赖的数据链路已经断了，却不报错、状态正常、指标上也看不出来。 大模型管不了一个没有结构化描述的对象，否则它只能读代码猜。你会是这件事的主要执行人。 你会做什么 ● 开发资产台账的自动采集能力，把在线决策服务、模型、特征、数据任务与表之间的关系拉成可查询的结构，每日自动更新 ● 通过源码解析与元数据比对实现一批校验规则，识别那些不报错也不体现在指标上的静默故障 ● 开发盘点进度与资产健康看板，让「现在做到几成」这个问题不需要人工汇总 ● 参与策略 Agent 的工具链建设：把检测、归因、取数逻辑封装成 Agent 可调用的工具，为一线可用的 Agent 提供数据与工程支撑

• Python 熟练，SQL 扎实，能读懂别人写的代码并从中提取结构信息 ● 能用 AI 编码工具自主完成任务，遇到不熟的技术栈能自己查着做出来 ● 耐得住治理类工作的琐碎，愿意为找出一个静默故障去逐行读源码 ● 每周到岗 4 天以上，可连续实习 3 个月以上 加分项 ● 有 Hive、Spark 离线数据开发经验 ● 用大模型做过工具或 Agent，规模不限，能讲清当时的设计取舍即可 ● 有代码静态分析、AST 解析、元数据处理经验 ● 做过数据看板或可视化 你会得到什么 ● 完整参与 Agent 从零落地的过程，包括最容易被跳过但最决定成败的地基部分 ● 做完这件事，你会是团队里最了解全链路资产的人之一，这是理解一个大型业务系统最快的路径 ● 产出是自动化脚本与每日更新的台账，不是一次性的调研报告，你走了它还在跑 ● 有明确的进度指标，做到什么程度看得见，评估不靠印象 可能不太适合的情况 ● 更希望做模型调参与算法实验，对数据与资产治理兴趣不大 ● 习惯拿到明确指令再动手，不太适应自己定义问题边界