{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "Code Agent数据工程实习生",
        "job_level": "实习",AI生成
        "work_category": "实习",AI生成
        "department": "未披露",
        "location": "北京·朝阳区·亚运村",
        "work_mode": "现场办公",AI生成
        "job_category": "AI数据工程师"AI生成
    },
    "company": {
        "company_name": "小红书",
        "company_industry": "电子商务",
        "company_size": "1000-9999人",
        "company_website": "未披露",
        "company_description": "2013年，小红书在上海创立。在小红书上，用户通过图文、视频、直播等形式记录生活，分享生活方式，并基于兴趣互动形成社区。以此为基础，小红书平台上涌现出内容与商业之间不断流转的良**互，成长出独具特色的“种草经济”。\n\n以科技为笔，以人文精神为墨，勾画人间烟火气，最抚凡人心。小红书以“Inspire Lives”为使命，历经10年的发展，布局内容社区、商业广告和电商交易三大业务板块，用户规模快速增长，互动更加紧密。打开小红书，用户可以看到“广阔的大世界”，从这里走向世界和未来，也可以身处“温暖的小社区”，与众多普通人产生连接。\n\n截至2022年底，小红书月活用户超过2.6亿，其中90后用户占比超过70%，50%用户来自于三线及以下城市。截至2022年底，小红书社区拥有超过 6900 万分享者，月活分享者 2000 万，过去一年中，小红书用户日均笔记发布量300万篇。不断繁荣的生活方式数字资产，吸引了越来越多的品牌商家；截至2022年底，小红书上汇集了超过17万个品牌。围绕不断累积的UGC（普通用户生产内容），小红书正在成为越来越多用户的多元生活方式聚集地，和越来越多跨代际人群的生活百科全书。\n\n2017年12月，小红书和华为等优秀公司一起，被《人民日报》评为代表中国消费科技产业的“中国品牌奖”。2019年2月，小红书入选快公司Fast Company“最具创新力企业”排行榜。2020年，小红书获上海市委宣传部颁发的“上海文化企业十佳”。\n\n在公司发展过程中，小红书获得了真格基金、金沙江创投、阿里巴巴、腾讯投资、纪源资本等知名机构的投资。小红书总部位于上海新天地，在北京设有子公司，武汉设有研发中心和用户服务中心。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "元",
            "cycle": "天"
        },
        "benefits": "团建聚餐 | 带薪年假 | 五险一金 | 餐补 | 年终奖 | 住房补贴 | 包吃 | 定期体检 | 加班补助 | 零食下午茶 | 股票期权 | 生日福利"
    },
    "requirements": {
        "working_years": "",
        "degree": "本科",
        "language": "中文",AI生成
        "visa_support": "未披露",
        "responsibilities": "构建强化学习环境:将真实的代码工程与网络安全场景转化为可训练的 RL 环境,设计合理的奖励信号,与算法研究员紧密合作,探索不同环境设计对模型 Agent 能力的影响。\n评估模型的 Agent 能力:在擅长的方向上设计高质量评测任务与端到端测试用例,从任务完成度、代码规范、工程质量等多维度,量化模型在复杂真实场景中的表现,并持续迭代评测标准以跟进业界前沿。\n合成高质量训练数据:围绕 repository-level 代码修复、漏洞复现与利用等场景,自动化构建复杂任务与指令数据,并编写基于 AST 解析、静态规则或沙箱运行结果的清洗与过滤脚本,从海量合成数据中筛选出高质、可用的正 / 负样本。\n数据与评测管线工程化:将\"环境构建 → 数据合成 → 沙箱执行 → 自动评测 → 质量过滤\"闭环脚本集成与 Pipeline 工具化,保障数据生产与评测的稳定性与吞吐效率。",
        "requirements_text": "1. 计算机、软件工程相关专业,熟练掌握 Python,能独立编写数据处理、评测脚本等工具;熟悉 Linux / Docker 者优先。\n2. 自驱力强,能独立发现、定义并推动解决问题;善于跨团队协作沟通。\n3. 具备 Claude Code、Cursor、Codex 等 AI 编程工具的重度使用经验,对 LLM 辅助开发有自己的理解与思考。\nCode 专项\n- 有代码品味,对探索模型能力边界具有较高热情。\n- 有 SWE-bench、DeepSWE 等 repository-level 代码修复 / Agent 数据生产或刷榜经验者优先。\n网络安全专项\n- 具备一定的安全研究能力,能够完成真实漏洞的发现、分析、验证与利用,具备代码审计、漏洞复现和 PoC / Exploit 编写能力。\n- 熟悉以下至少一个安全方向,并有相关实践经验:Web 安全、二进制安全、系统 / 内核安全、云原生 / 基础设施安全等。\n- 具备攻击者视角与良好的工程能力,能面向真实代码库或智能体环境发现攻击面、搭建实验环境并编写自动化验证工具,形成可复现、可衡量的安全评测任务。\n- 有 CTF、CVE、漏洞奖励、CyberGym 等攻防实践经验者优先(优先项,非硬性门槛)。\n实习要求\n- 每周可实习 4 天以上,可持续实习 3 个月以上者优先。",
        "skills": [AI生成
            "Agent系统构建",
            "Linux/DevOps/CI-CD",
            "POC/试点验证",
            "复杂问题分析与解决",
            "大模型原理与能力边界",
            "快速学习与自驱",
            "数据工程与数据管道",
            "模型/Agent评测体系",
            "模型训练与算法优化",
            "沟通表达与方案汇报",
            "编程与代码实现",
            "训练数据/标注/合成",
            "跨部门/跨团队协作",
            "软件测试与质量工程",
            "金融行业知识",
            "项目推动与执行闭环"
        ],
        "preferred_qualifications": "1. 计算机、软件工程相关专业,熟练掌握 Python,能独立编写数据处理、评测脚本等工具;熟悉 Linux / Docker 者优先。\n- 有 SWE-bench、DeepSWE 等 repository-level 代码修复 / Agent 数据生产或刷榜经验者优先。\n- 有 CTF、CVE、漏洞奖励、CyberGym 等攻防实践经验者优先(优先项,非硬性门槛)。\n- 每周可实习 4 天以上,可持续实习 3 个月以上者优先。",
        "job_highlights": "本科"
    },
    "contact": {
        "recruiter_name": "李女士",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://www.zhipin.com/job_detail/839a7a4fdb6b84670nJ90965FVFW.html"
            }
        ]
    },
    "posting": {
        "posting_id": "839a7a4fdb6b84670nJ90965FVFW",
        "post_date": "",
        "hire_time": "每周可实习 4 天以上,可持续实习 3 个月以上者优先",
        "update_date": "20260915",
        "job_url": "https://www.zhipin.com/job_detail/839a7a4fdb6b84670nJ90965FVFW.html"
    },
    "fulltext": "Docker\n网络安全\nPython\n核心职责\n构建强化学习环境：将真实的代码工程与网络安全场景转化为可训练的 RL 环境，设计合理的奖励信号，与算法研究员紧密合作，探索不同环境设计对模型 Agent 能力的影响。\n评估模型的 Agent 能⼒：在擅长的⽅向上设计⾼质量评测任务与端到端测试用例，从任务完成度、代码规范、工程质量等多维度，量化模型在复杂真实场景中的表现，并持续迭代评测标准以跟进业界前沿。\n合成⾼质量训练数据：围绕 repository-level 代码修复、漏洞复现与利用等场景，自动化构建复杂任务与指令数据，并编写基于 AST 解析、静态规则或沙箱运行结果的清洗与过滤脚本，从海量合成数据中筛选出高质、可用的正 / 负样本。\n数据与评测管线工程化：将\"环境构建 → 数据合成 → 沙箱执行 → 自动评测 → 质量过滤\"闭环脚本集成与 Pipeline 工具化，保障数据生产与评测的稳定性与吞吐效率。\n任职要求\n1. 计算机、软件工程相关专业，熟练掌握 Python，能独立编写数据处理、评测脚本等工具；熟悉 Linux / Docker 者优先。\n2. 自驱力强，能独立发现、定义并推动解决问题；善于跨团队协作沟通。\n3. 具备 Claude Code、Cursor、Codex 等 AI 编程工具的重度使用经验，对 LLM 辅助开发有自己的理解与思考。\nCode 专项\n- 有代码品味，对探索模型能力边界具有较高热情。\n- 有 SWE-bench、DeepSWE 等 repository-level 代码修复 / Agent 数据生产或刷榜经验者优先。\n网络安全专项\n- 具备一定的安全研究能力，能够完成真实漏洞的发现、分析、验证与利用，具备代码审计、漏洞复现和 PoC / Exploit 编写能力。\n- 熟悉以下至少一个安全方向，并有相关实践经验：Web 安全、二进制安全、系统 / 内核安全、云原生 / 基础设施安全等。\n- 具备攻击者视角与良好的工程能力，能面向真实代码库或智能体环境发现攻击面、搭建实验环境并编写自动化验证工具，形成可复现、可衡量的安全评测任务。\n- 有 CTF、CVE、漏洞奖励、CyberGym 等攻防实践经验者优先（优先项，非硬性门槛）。\n实习要求\n- 每周可实习 4 天以上，可持续实习 3 个月以上者优先。"
}