Job Description

AI Infrastructure Intern

北京、上海

日常实习生招聘

职位 ID：A50102

职位描述

我们正在构建面向游戏开发的下一代 AI Coding Agent，使智能体能够理解项目上下文，自主编写和修改代码，调用 Unity Editor 及外部工具，并完成场景搭建、UI 开发、Shader 编写、资源管理和性能优化等复杂任务。团队聚焦 Coding Agent、Agentic Reinforcement Learning、LLM Post-training 与 Agent Infrastructure 等前沿方向。该岗位将参与 Coding Agent 底层基础设施建设，为模型训练、环境交互、轨迹生产、自动评测和规模化实验提供稳定、高效且可扩展的系统支撑。 - 参与面向 Unity 游戏开发场景的 Coding Agent 基础设施建设，搭建模型、工具、执行环境与游戏引擎之间的完整交互链路。 - 参与 Agent Harness 的设计与实现，支持上下文管理、工具注册与调用、任务调度、状态维护、错误恢复和多轮执行等核心能力。 - 建设安全、稳定的代码执行与任务运行环境，包括容器化沙箱、依赖管理、资源隔离、超时控制、日志采集和异常处理。 - 参与 Unity Editor、编译器、终端、文件系统、版本控制和测试框架等工具的标准化封装，为 Agent 提供可靠的 Tool Use 能力。 - 搭建 Agent Trajectory 数据生产流水线，完成任务下发、环境初始化、过程记录、结果校验、轨迹清洗与数据回流。 - 参与自动化评测平台建设，支持代码编译、单元测试、场景运行、视觉结果检查、性能指标采集和任务完成率评估。 - 优化模型推理与 Agent 执行效率，参与并发调度、缓存、批量推理、资源利用率和端到端延迟优化。 - 建设实验管理和可观测性能力，支持日志、指标、Trace、Replay、失败归因和不同模型或策略之间的实验对比。 - 参与主 Agent、SubAgent 与专业工具 Agent 的协作框架建设，解决跨模型通信、任务拆分、上下文传递和结果聚合等工程问题。 - 跟踪并实践 Coding Agent、LLM Serving、Agent Runtime 和分布式训练推理系统的前沿技术，推动相关能力在真实业务中落地。

职位要求

• 在读本科高年级、硕士或博士研究生，计算机科学、软件工程、人工智能等相关专业。 - 具备扎实的计算机基础，熟悉操作系统、计算机网络、数据结构和软件工程基本原理。 - 熟练掌握 Python，熟悉 C++、C#、Go、Rust 或 Java 中至少一种语言，具有良好的代码设计和工程实现能力。 - 熟悉 Linux 开发环境，能够使用 Shell、Git、Docker 等常用开发与运维工具。 - 了解大语言模型和 Agent 的基本原理，对 Function Calling、Tool Use、RAG、代码执行或多智能体系统有一定认知。 - 具备独立定位和解决复杂工程问题的能力，能够通过日志、指标和实验复现分析系统故障。 - 重视代码质量，具备良好的模块化设计、单元测试、文档编写和实验记录习惯。 - 每周可实习 4 天及以上，连续实习不少于 3 个月，长期实习优先。 加分项 - 有 Agent Framework、Coding Agent、Developer Tool 或自动化工作流系统的开发经验。 - 熟悉 Kubernetes、Ray、Celery、消息队列、分布式任务调度或云原生基础设施。 - 熟悉 vLLM、SGLang、TensorRT-LLM、DeepSpeed、FSDP 等大模型训练或推理框架。 - 有代码沙箱、在线判题系统、CI/CD、远程开发环境或安全执行系统建设经验。 - 熟悉 OpenTelemetry、Prometheus、Grafana、ELK 等可观测性和日志分析工具。 - 有 Unity、Unreal Engine 或其他游戏引擎开发经验，熟悉 C#、Unity Editor API、PlayMode Test 或游戏资源构建流程。 - 有编译原理、静态分析、代码搜索、代码索引、语言服务器协议或程序测试相关经验。 - 参与过高并发服务、分布式系统或大规模机器学习平台的设计与开发。 - 在系统、软件工程或人工智能相关会议发表或投稿过论文，或具有高质量开源项目贡献经历。 你将获得 - 深度参与 Unity 新一代 Coding Agent 核心基础设施的设计与建设。 - 完整接触从 Agent Runtime、Tool Use、执行沙箱、轨迹生产到自动评测 的端到端技术体系。 - 在真实游戏开发环境中解决模型与复杂软件系统交互的前沿工程问题。 - 与算法研究团队紧密合作，将 Agentic RL 和 Post-training 研究快速转化为可规模化运行的系统能力。 - 有机会主导独立模块、贡献高质量工程成果，并参与论文、专利或开源项目产出。

投递