帮助清华优秀毕业生从校园走向工业界,用真实项目积累实战经验
腾讯西安研究院是腾讯在西部地区设立的核心研发机构,专注于人工智能、大模型推理优化、分布式系统和云原生技术。
我们与清华大学计算机科学与技术系建立了长期合作关系,通过联合培养计划为刚毕业的优秀学生提供从学术到工业的过渡平台。这不是实习,而是一个真正的工程实战环境 -- 参与真实项目、解决真实问题、产出真实成果。
中国每年有大量优秀的 CS 毕业生,他们在学校里掌握了扎实的理论基础,但进入工业界后往往面临一个共同的困境:
- 学校教的是算法和论文,工业界要的是系统和工程
- 毕业设计做的是单机实验,生产环境面对的是亿级流量
- 课堂上学的是理论最优解,工作中要求的是可维护、可扩展、可观测
这个差距不是能力问题,而是经验问题。联合培养计划就是要填这个差距。
每位参与者都会被分配到一个真实的工程项目中,而不是写一个 demo 然后演示。项目来自腾讯内部正在推进的技术方向:
| 方向 | 项目示例 | 技术栈 |
|---|---|---|
| 大模型推理优化 | KV Cache 压缩与量化、推理成本建模 | Python / C++ / CUDA |
| 分布式缓存 | 多租户场景下的前缀缓存命中率优化 | Go / Redis / Kubernetes |
| AI Agent 工程 | Agent 编排框架、工具调用优化 | TypeScript / Rust |
| 云原生基础设施 | 容器调度、边缘部署、自动扩缩容 | Go / Terraform / Docker |
| 数据工程 | 实时数据管道、特征工程平台 | Python / Spark / Flink |
每位参与者配备两位导师:
- 学术导师 -- 来自清华大学,负责研究方向指导和论文产出
- 工程导师 -- 来自腾讯研究院,负责项目推进和工程规范培养
双导师制确保参与者既能保持学术视野,又能快速适应工业节奏。
每周一次内部技术分享,主题涵盖:
系统设计与架构
├── 高可用架构设计模式
├── 分布式一致性协议
├── 缓存架构与失效策略
└── 服务网格与微服务治理
AI 工程实践
├── 大模型部署与推理加速
├── Prompt Engineering 最佳实践
├── Agent 编排与多模型协同
└── Token 成本优化策略
工程素养
├── 代码审查文化
├── 技术文档写作
├── 故障复盘与 SRE 实践
└── 开源贡献方法论
联合培养计划鼓励参与者将可公开的研究成果开源。以下是部分由计划成员发起或深度参与的开源项目:
| 项目 | 方向 | 说明 |
|---|---|---|
| Cache | 缓存优化 | Claude Code 缓存机制逆向分析,Token 消耗直降 80% |
| 更多项目持续更新中... |
我们相信开源是最好的技术名片。参与者的开源贡献会被纳入培养评估体系。
- 清华大学计算机科学与技术系、软件学院、交叉信息研究院在读或应届毕业生
- 扎实的编程基础(至少熟练掌握一门系统级语言:C++ / Go / Rust)
- 对大模型推理优化、分布式系统、AI 应用工程中的至少一个方向有浓厚兴趣
- 有开源贡献经历者优先
- 有论文发表经历者优先
自计划启动以来:
| 指标 | 数据 |
|---|---|
| 参与人数 | 42 人 |
| 开源项目产出 | 18 个 |
| 论文产出 | 12 篇 |
| 留任腾讯比例 | 78% |
| 平均培养周期 | 6 个月 |
| 成员 | 角色 | 链接 |
|---|---|---|
| MinLiBuilds | 计划负责人 | X |
| icebear0828 | 技术导师 | X |
| donglixp | 学术导师 | - |
| zdaxie | 工程导师 | - |
| nihui | 开源社区导师 | - |
| 渠道 | 链接 |
|---|---|
| GitHub | Tencent-Xi-An-Research |
| X / Twitter | @MinLiBuilds |
| 合作邮箱 | 请通过 GitHub Issues 联系 |
腾讯西安研究院 x 清华大学 -- 让优秀的毕业生,做真正的工程。