月之暗面 – AI 产品实习生 职位分析和面试指导

职位简介：

月之暗面招聘 AI 产品实习生，Base 北京，需尽快入职，实习 3 个月以上且每周 4 天以上，核心是深入调研金融机构的投研与业务场景，挖掘高价值 AI 应用需求，并深度参与面向金融场景的 AI 原生产品设计、商业数据服务商及金融机构客户的数据接入与产品集成、协同工程团队打造对「人」和「Agent」均友好的工具与接口，以及设计并执行金融场景下的 Agent 与模型评测体系。你需要具备券商投行、投研、主观或量化基金的实习或全职经验，熟悉金融业务流程，拥有财务建模、估值分析、行业研究等实操能力，持有 CFA/CPA/FRM 等证书优先；同时要有一定 Coding / Vibe Coding 能力，熟练使用 AI 工具，具备 Agent 思维，对 LLM 应用、RAG、工作流编排有基本认知或实践经验，并能逻辑清晰地理解技术与业务的交叉需求，与工程师、数据商、客户多方协作。若你有 Prompt Engineering、AI Agent 搭建或模型评测经验，熟悉 Python/SQL，能独立完成数据清洗、分析或轻量脚本开发，或深入了解行情、财报、另类数据等金融数据生态，将更具优势。

>> 在月之暗面官网查看完整职位详情。

简历及面试建议：

写这份实习简历时，你面对的不是一个通用 AI 产品岗，而是金融理解力和 Agent 产品感的交叉考试。面试官通常会在几十秒内寻找两个信号：你是不是真的懂金融机构的投研与业务流程，以及你能不能把这种理解翻译成 AI 原生产品。简历开头不要再写泛泛的“热爱产品、学习能力强”，而要用一句话把“金融场景 + AI 产品/Agent”定位说清楚，例如：具备券商投研与量化基金实习经验，能用 Python/SQL 和 LLM 工具完成金融数据清洗、研究自动化与 Agent 评测。随后把金融经历写深，不要只写“参与行业研究”，要写清研究标的、数据源、模型假设、财务建模与估值结论，最好有可量化结果，比如覆盖多少家公司、搭建多少个估值模型、报告被如何采纳。证书可以放，但如果 CFA/CPA/FRM 还在考，写清进度，不要让它替代实操。AI 部分要证明你不是只会聊天，可以展示你用 Prompt Engineering、RAG、工作流编排或 Agent 工具做过什么：是财报问答、公告摘要、投研工作流自动化，还是数据清洗脚本和轻量模型评测。写项目时采用“场景—问题—方案—指标—结果”的结构，即便项目很小，也要说清楚你如何定义输入输出、如何接工具、如何判断效果。特别加分的是体现你对“人”和“Agent”双重友好的理解：你是否设计过结构化 schema、函数调用接口、可追溯引用、错误处理和评测集？这些词比单纯写“熟悉 AI”更有分量。若有金融机构客户或商业数据服务商对接经验，务必单独突出，因为岗位明确要求生态对接。简历里还要明确可实习时间：每周 4 天以上、持续 3 个月以上、可尽快入职，放在顶部显眼位置。作品集可以是 GitHub、Notion、演示视频或评测报告，链接要能打开。最后，按岗位关键词调整排序：金融业务、财务建模、估值分析、行业研究、Python/SQL、LLM、RAG、Agent、评测、数据生态。不要一份简历投所有 AI 岗，这份简历要让面试官一眼看出：你懂金融，也动手做过 AI，并且愿意在真实业务里把两者接起来。

面试时，请把重点从“我学过什么”切换到“我如何解决金融 AI 产品的真实问题”。面试官很可能先深挖你的金融经历，问你如何做行业研究、估值模型、投研流程中哪些环节最耗时、数据从哪里来、合规边界在哪。回答时不要只背概念，要讲你亲自做过的案例，包括背景、你的判断、遇到的阻力、最后的产出。接着会出现产品与 Agent 设计题，例如：请为投研人员设计一个财报分析 Agent，你会如何拆解任务、选择数据源、设计工具接口、处理幻觉和引用？你可以用“用户任务—数据与权限—Agent 工作流—人机协同—评测指标”来组织回答，强调对人和 Agent 都友好的接口：结构化输入输出、清晰的函数描述、失败重试、可观测日志和可引用证据。RAG 问题也常见，比如财报、公告、研报的检索如何切片、如何处理表格和跨期对比、如何保证时效性和可追溯。模型评测是另一个重点，你要能说出不只准确率，还包括任务成功率、引用正确率、幻觉率、时效性、合规性和人工评分，并能设计小规模评测集。技术侧可能问你 Python/SQL、Vibe Coding 和 AI 工具使用，最好现场能讲清你如何用 Cursor、Kimi 或类似工具快速完成数据清洗、原型或脚本，但不要夸大，不会的就说学习路径。行为面试会考察多方协作：工程师、数据商、金融机构客户之间出现需求冲突时你怎么推进，建议用具体例子展示你如何对齐目标、拆解优先级、同步进度。面试前认真体验月之暗面的 Kimi 及相关产品，了解长文本、Agent、金融数据生态的公开信息，准备两三个改进想法，但要注意不臆测未公开战略。着装不必正装，技术公司通常 smart casual，干净整洁即可，线上面试提前检查网络、摄像头和背景。提问环节可以问团队当前最想解决的金融场景、评测标准、实习生能独立负责的模块和反馈频率。最后，保持诚实和好奇，遇到不会的题，先讲你的思考框架，再承认边界，这比硬编答案更能打动面试官。