Sentino 研发技术实习生招聘

tags: [sentino, hiring, intern, studio, agent-builder]
created: 2026-06-15
updated: 2026-06-15
status: active

操作件（对外 + 面试用）。原则 / 画像 / 落定决策见 sentino-agent「AI-native 技术实习生招聘原则」节；本页是其下游可直接用的三份成稿：① 给 HR 的需求说明 ② 对外 JD ③ 面试判断力题（面试官用，不对 HR）。

一句话：招一名技术实习生（会写代码），主攻把 AI 智能体搭建平台（Studio）做得更好用，长期当通才培养；judgment / review 归口研发负责人本人。

一、给 HR 的需求说明¶

岗位定位¶

招一名技术实习生（会写代码），主要帮我们把 AI 智能体搭建平台（Studio——类似 Coze / 扣子、Dify 这类让人配置 AI 角色/助手的工具）做得更好用，并参与角色设计工具、记忆功能和通用平台功能的开发。

① 工作内容¶

改进 AI 智能体搭建平台的易用性：让用户更容易地创建、配置、调试一个 AI 角色/智能体（主线）。
开发角色设计相关工具：把"人设、世界观、剧情设定"等做成好用的配置功能（产品方向是"把 IP 变成有性格、有记忆的数字角色"）。
参与记忆系统、通用平台功能：如数据看板、后台管理、平台通用模块等。
偶尔支援其他产品线（如 CouCou）的非核心开发。

② 经验要求¶

必备 - 能独立写代码（前端 / 后端皆可，具体技术栈不限） - 有过完整做出一个产品/项目的经历（个人项目、课程作品、实习都算） - 学习快、自驱，会用 AI 工具辅助开发（如 Cursor / Claude / Copilot） - 细心、诚实，愿意接受反馈和返工

优先 / 加分（请重点留意第一条） - ⭐ 深度使用过 AI 智能体搭建工具（Coze / 扣子、Dify、GPTs 等）——这是我们最看重的差异化经验，请优先筛这类候选人 - 有产品 / 用户体验敏感度（能判断一个功能好不好用） - 对 AI 应用、大模型有真实动手经验 - 有设计 / 审美基础

不要求：特定框架精通、多年经验、计算机科班。

初筛参考：技术能力是门槛，但我们更看重"聪明 + 学得快 + 会用 AI + 有判断力和品味"，而不是"某个技术栈很熟"。一个用过 Coze/Dify、有想法的人，比一个只会写代码的人更合适。

③ 大致工作安排¶

全程有研发负责人带教 + 代码 review，和团队一起日常同步。
前 2–3 周（上手期）：做小而清晰的任务，熟悉代码库和质量标准。
1–3 个月（轮动期）：在几个方向间轮换，找到最适合他的发力点。
3 个月以后：能独立负责一个完整模块。
定位是长期培养（养成能独当一面的人），不是短期填坑——因此希望实习周期相对完整（建议 ≥ 3 个月，表现好可转正；具体时长可再定）。

二、对外 JD¶

职位：研发技术实习生 — Sentino 语音 Agent 平台 / Studio

我们做"把静态 IP 变成有世界观、有记忆的数字生命"。招一个会写代码、深用过 agent builder、有易用性品味的技术实习生，主攻把我们的 Studio / agent builder 做得更好用。

你会做什么 - 用工程改善 agent 创建 / 配置 / 调试的易用性 - 把角色（人设 / 世界观 / lore）和记忆做成好用的工具与结构 - 参与通用 SaaS 与平台可观测

我们要什么样的人（按重要性） 1. 能独立写代码（前后端，框架不限），有过把东西做上线的经历 2. 深用过 Coze / Dify / GPTs，能批判性讲清它们易用性的优劣 ← 强加分 / 优先 3. 易用性 / 产品品味——能感觉到一个工具好不好用 4. 学习速度 + AI 端到端（用 AI 把想法做成实现） 5. 自驱、诚实（肯说"我不确定"的人才 catch 得住 AI 的错）

不要求：特定框架/语言精通、多年经验、科班。加分：LLM 应用 hands-on、设计/审美底子、英文。

工作方式：judgment / review 归研发负责人本人；头几周返工是品味校准，不丢人。

三、面试判断力题（面试官用 · 不对 HR）¶

设计原则：每题把"判断力 / 品味"和"AI 熟练度"分开——只会 prompt、没品味的人会在 A2 / P2 露馅。A、P 权重最高；A2 是淘汰线。

A1 code review：贴一段 AI 生成、藏 1–2 个微妙问题的"工具配置校验"代码，问怎么 review、哪些不敢直接 merge。好：指出具体问题 + 会去对已有 runtime 检查避免不一致 + 先问"产品上要不要"再实现。
A2 专家悖论（淘汰线）："AI 给过你很自信但错的输出吗？怎么发现的？完全不懂的领域你怎么知道它错没错？" 好：有方法论（找 ground truth / 交叉验证 / 小步验证）；差： "我相信我能看出来"。
P1 builder 行家深度（强筛）："你真用过 Coze/Dify/GPTs 哪些？各自最大易用性短板？最欣赏谁的哪个设计？" 好：真实使用深度、批判性、不盲吹。
P2 易用性重设（加分）："把我们'建一个工具'的体验对着 Coze/Dify 重设，改哪 3 件、排序、为什么？" 好：具体对标、分得清必要 vs 锦上添花。
C scoping："给 agent 加个'调用日志'最小版，你怎么界定第一版做 / 不做？" 好：划 MVP、先问数据在哪、先看现状。
D 诚实 / 被 review："独立做过最完整的东西？自己定了哪些？" + "头三周我常说'方向不对重做'，你怎么看？" 好：真实端到端例子 + 对自己错误诚实 + 把 review 当学习。