今年夏天，新兴人才团队自豪地迎来了43名实习生加入Dropbox，成为我们2025年Camp Dropbox实习计划的一部分。今年的实习生群体来自27所学院和大学——包括加拿大、波兰和爱尔兰的六所国际院校——带来了丰富的多元视角和经验。在这群实习生中，有28人加入了我们的工程团队，在为期12周（5月至9月）的时间里，他们全身心投入到有意义的工作、持续学习和我们的"虚拟优先"文化中。

Dropbox实习计划经过精心设计，旨在促进成长、激发创新并建立持久的联系。实习生们受益于超过6000小时的专门一对一指导，处理了与团队和公司目标相一致的高影响力项目，并探索了人工智能的实际应用。其中许多项目支持了Dropbox Dash的开发，这是我们由人工智能驱动的通用搜索产品。包括"虚拟优先"活动、员工资源小组活动以及现场的新兴人才峰会在内的丰富计划，为建立联系和社区创造了更多机会。到夏天结束时，这些实习生已经在我们整个工程组织中做出了有意义的贡献。

下面，我们的实习生分享了这个夏天的工作，从重大的技术成果到创造力、协作和成长的时刻，这些塑造了他们在Dropbox的时光。

• “我解决了Dropbox文件历史跟踪系统的问题。作为一名工程实习生，第一次在大型生产数据库中工作，我深刻体会到强测试、可验证代码和周密系统设计的重要性。我真心认同Dropbox’值得信赖’和’保持简洁’的核心价值观在软件层面的体现。这个解决方案简化了我们的元数据基础设施，显著降低了运营成本，并展示了如何通过周到的遗留系统重构，既能带来技术上的优雅，又能产生巨大的商业价值。” — Rhea Rai，文件系统数据团队

• “在ML平台团队实习期间，我开发了一个监控ML模型部署健康状况的系统。通过与内部推理服务集成，AI Sentinel为机器学习工程师提供了他们此前需要手动收集的实时操作可视性。结果是增强了部署信心并加快了迭代周期，确保了可靠的大规模ML模型部署，从而为Dash的智能功能提供支持。” — Ben Juntilla，ML平台团队

• “我的工作是降低Magic Pocket中的前端延迟。在计划内磁盘重启期间，过高的PUT延迟可能会延迟Dash连接器等工作流中的更新，导致用户看到过时或缺失的内容。为了解决这个问题，我构建了一个缓存来跟踪存储健康状况，并增加了一个过滤选项来跳过性能降级的存储卷。这种基于健康状况的路由减少了慢速写入，并赋予操作员更大的控制权，确保Dropbox能够提供及时、准确的搜索结果。” — Albert Joon Sung，存储核心团队

• “我开发了一个基于我们内部迁移平台的AI驱动工具，用于自动化代码迁移。开发人员可以针对特定的迁移类型，在选定文件夹上启动自动迁移任务。成功的运行会自动创建一个拉取请求；否则，你可以在本地运行命令并手动提交更改。该工具可通过CLI或作为自动化工作流的一部分完全自定义。利用它，我完成了两次重大迁移。” — Ahmed Ibrahim，Web开发者体验团队

• “我构建了一些工具，让机器学习工程师能够访问Dash持久化存储中最新的信息。这样，下游团队可以在更新的数据上训练模型，并从第三方系统拉取额外的元数据字段，而无需等待连接器平台团队重新下载或重新打包任何内容。” — Eddie Ormseth，连接器平台团队

• “我的工作是将统一搜索平台扩展到支持超过20种语言。USP为Dropbox产品（如Replay）提供搜索支持，而我的项目将语言检测流水线集成到了索引和检索两端。这使得我们能够实现准确、高效的多语言搜索，而无需传统解决方案的开销。通过在今年的Dash发布之前提供原生语言支持，我的工作帮助Dropbox实现全球扩展，改善开发者体验，并为国际客户解锁更丰富的搜索功能，使我们更接近构建一个AI优先、普遍可访问的搜索平台的愿景。” — Rishi Peddakama，检索平台团队

• “我为我们Vortex2指标系统探索了先进的异常检测技术。传统的静态警报可能会错过数据中突发的、有意义但未超过预设阈值的变化（或者在预期变化时频繁误报）。为了解决这个问题，我开发了能够适应不断变化模式的自适应检测方法。这些改进简化了警报创建并减少了警报疲劳，从而增强了待命体验。通过考虑季节性因素，新的异常检测功能还能实现更快的响应时间，并改善整体开发者体验。” — Yonatan Ginsburg，指标团队

• “我在Dropbox Dash内部开发了无缝的文档预览体验，使用户能够在不离开搜索上下文的情况下快速查看文件内容。这项增强功能支持Dropbox的使命，即通过减少上下文切换和增加参与度来加速工作流程。我构建了交互式UI组件，集成了PDF查看功能，并实现了链接到AI驱动聊天的动态后续功能。” — Francesca Venditti，查找与发现团队

• “今年夏天，在分析平台团队，我致力于优化大规模Databricks查询和ETL管道，以降低计算成本和延迟。我开发了一个优化推荐系统，用于标记高成本的查询模式、昂贵的表列过滤器以及分配不足的计算资源，并附带了可操作的溯源信息。我还原型设计并记录了一个Airflow管道，用于将500 TB的移动事件日志迁移到液体聚类，为更广泛地采用现代数据布局技术铺平了道路。” — Sanjith Udupa，分析平台团队

• “我为Dropbox构建了一个可扩展的AI网页自动化代理。我还通过searchFile和uploadFile操作连接了Dropbox后端API来获取和上传文件，利用了开源基础。通过保持工具集的小型化和模块化，开发者可以快速组合出可靠的、针对特定任务的自动化流程，例如表单填写或校对。随着对自动化重复性网页任务需求的持续增长，将自动化工具集成到Dash中将显著改善用户体验。” — Alan Zhu，对话式人工智能团队

回答已经过轻微编辑，以控制长度和提升清晰度。 ~ ~ ~ 如果构建创新产品、体验和基础设施让你感到兴奋，欢迎加入我们，共同构建未来！请访问 jobs.dropbox.com 查看我们的空缺职位。