{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "基础技术-AI Coding项目实习生",
        "job_level": "不限",AI生成
        "work_category": "校招-6",AI生成
        "department": "核心本地商业-基础研发平台",
        "location": "北京市",
        "work_mode": "",AI生成
        "job_category": "技术类"AI生成
    },
    "company": {
        "company_name": "美团",
        "company_industry": "",
        "company_size": "",
        "company_website": "",
        "company_description": ""
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "",
            "cycle": ""
        },
        "benefits": ""
    },
    "requirements": {
        "working_years": "",
        "degree": "",
        "language": "",AI生成
        "visa_support": "",
        "responsibilities": "基础技术-AI Coding项目实习生\n\n基础信息\n工作地点：北京市\n部门：核心本地商业-基础研发平台\n职位类别：技术类\n职位族群：软件\n工作经验：不限\n发布时间：2026-09-03\n\n部门介绍\n基础研发平台是美团的核心技术平台，立足于“零售+科技”的战略定位，通过打造人工智能、大数据、云计算、安全等核心技术能力，以及研发效能平台、企业应用平台等公共服务，为业务提供稳定安全、扩展易用、技术领先的平台技术和产品服务。\n在这里，我们会参与到最前沿的技术研发和探索；能够接触超规模集群、海量数据，挑战高复杂业务场景，有机会与业界一流的工程师一起并肩前行。\n在这里，我们有超强的技术氛围，持续向社区贡献业界实践，加速行业技术发展；我们有完善的互联网学习生态圈，重视底层逻辑和方法论，助力职业生涯的非线性成长。\n真诚地邀请你，和我们一起驱动技术发展，创造行业价值。\n\n岗位职责\n1. 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。\n\n2. 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。\n\n3. 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。\n\n4. 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。\n\n5. 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。\n\n6. 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。\n\n岗位基本要求\n1. 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。\n\n2. 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。\n\n3. 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。\n\n4. 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。\n\n5. 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。\n\n\n加分项：\n\n1. 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。\n\n2. 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。\n\n3. 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。\n\n4. 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。\n\n岗位亮点\n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。\n\n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。\n\n在这里，你不会只做机械化的数据标注或榜单搬运：\n\n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。\n\n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。\n\n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。\n\n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。\n\n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。\n\n表现优异者有机会直接获得校招 Offer。",
        "requirements_text": "",
        "skills": [],AI生成
        "preferred_qualifications": "",
        "job_highlights": ""
    },
    "contact": {
        "recruiter_name": "",
        "contact_methods": []
    },
    "posting": {
        "posting_id": "4741966821",
        "post_date": "2026-09-03",
        "hire_time": "",
        "update_date": "",
        "job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4741966821&jobShareType=1"
    },
    "fulltext": "基础技术-AI Coding项目实习生\n\n基础信息\n工作地点：北京市\n部门：核心本地商业-基础研发平台\n职位类别：技术类\n职位族群：软件\n工作经验：不限\n发布时间：2026-09-03\n\n部门介绍\n基础研发平台是美团的核心技术平台，立足于“零售+科技”的战略定位，通过打造人工智能、大数据、云计算、安全等核心技术能力，以及研发效能平台、企业应用平台等公共服务，为业务提供稳定安全、扩展易用、技术领先的平台技术和产品服务。\n在这里，我们会参与到最前沿的技术研发和探索；能够接触超规模集群、海量数据，挑战高复杂业务场景，有机会与业界一流的工程师一起并肩前行。\n在这里，我们有超强的技术氛围，持续向社区贡献业界实践，加速行业技术发展；我们有完善的互联网学习生态圈，重视底层逻辑和方法论，助力职业生涯的非线性成长。\n真诚地邀请你，和我们一起驱动技术发展，创造行业价值。\n\n岗位职责\n1. 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。\n\n2. 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。\n\n3. 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。\n\n4. 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。\n\n5. 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。\n\n6. 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。\n\n岗位基本要求\n1. 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。\n\n2. 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。\n\n3. 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。\n\n4. 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。\n\n5. 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。\n\n\n加分项：\n\n1. 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。\n\n2. 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。\n\n3. 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。\n\n4. 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。\n\n岗位亮点\n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。\n\n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。\n\n在这里，你不会只做机械化的数据标注或榜单搬运：\n\n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。\n\n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。\n\n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。\n\n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。\n\n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。\n\n表现优异者有机会直接获得校招 Offer。"
}