AI应用工程师-金融智能体方向

1.专家智能体研发与优化。独立或协作设计、开发、优化针对特定金融场景（选股、预测、事件、策略、个股分析等）的专家智能体；运用RAG、微调、Agent框架（如LangChain, LlamaIndex）等技术，结合金融领域知识库与工具，确保专家智能体回答显著优于通用模型；为各专家智能体开发必要的、轻量级的辅助算法模块（如意图精准识别、实体抽取、特定指标计算模型等）；
2.智能体与产品能力深度打通。设计并实现专家智能体与产品核心功能页卡（股单页卡、交易页卡、策略订阅、事件跟踪等）的无缝对接。确保智能体结论能自然引导用户触发目标业务动作（添加自选、一键下单、订阅策略、设置事件提醒等）；将验证有效的专家智能体及其触发逻辑，稳定、高效地集成到现有产品工作流和工程架构中；
3.快速原型与验证。针对新的专家智能体想法或优化点，快速构建MVP进行小范围效果验证；基于用户反馈和效果数据，迭代智能体设计和实现。

1.扎实的AI算法基础（机器学习/深度学习/NLP），熟练掌握PyTorch/TensorFlow；
2.丰富的LLM应用经验： 深刻理解LLM原理，有实际使用LLM API（OpenAI/Claude/国产大模型等）或开源大模型（如Llama系列）构建应用的经验；
3.精通Agent技术栈： 熟练掌握至少一种主流Agent框架（LangChain, LlamaIndex等）进行复杂应用开发，深入理解RAG、微调、Planning、Tool Calling等核心机制；
4.具备Python后端开发能力，熟悉API设计（FastAPI/Flask），了解Docker/Kubernetes等部署工具，能将模型/智能体部署为可用服务；
5.理解用户需求，思考如何将智能体能力转化为顺畅的用户旅程和产品功能。对“触发业务动作”有清晰认知和实现思路；
6.能独立推进项目，快速将想法转化为可运行的代码并看到效果；追求用合适（未必最前沿）的技术方案解决问题，注重投入产出比； 能与产品经理、其他工程师高效协作。。加分项：1.有金融科技领域、量化分析、智能投顾相关项目经验；
2.有成功构建并上线Agent类产品的经验；
3.在开源社区有相关项目贡献或技术博客分享；
4.熟悉金融数据源（行情、财报、新闻、研报等）的获取与处理。