岗位职责
- 数据科学 Agent 研发：负责面向金融行业的数据科学智能体研发，通过自然语言对话自主完成数据探索、特征挖掘、模型训练到成果交付的建模全流程，推理过程、工具调用与结果产出全程可见、可控、可追溯。
- AI 重构的金融数据建模平台：负责「数据 → 特征 → 模型 → 场景」全链路建模平台建设，用大模型重构传统建模工作方式，包括智能特征生成与筛选、AI 辅助金融建模、模型评估与诊断自动化，缩短金融模型研发周期。
- 混合架构设计：负责平台混合架构的设计与落地，支撑 Web、PC 等多端形态，以及公有云、专有云、本地化等多种部署模式；处理多进程、多环境下的流式链路、状态一致性与弹性伸缩等工程问题，保障不同交付形态下的体验一致与可靠交付。
- Agent 评测与可观测：构建 Agent 评测体系，覆盖规划能力、工具调用可靠性、多轮交互一致性、长程记忆连续性等核心维度；建设 Agent 全链路 Tracing 与运行时可观测平台，支撑快速定位和修复 Agent 行为异常。
- AI 协作研发：实践 AI Native 研发方式，使用 AI Coding Agent 参与需求、设计、开发、测试与发布全流程，并持续将 AI 前沿能力引入产品与工程实践。
- 安全生产：具备强烈的安全生产意识与代码红线意识，对自己负责的系统承担交付质量与线上稳定性责任；严格执行编码规范、测试验证、发布门禁与变更管理流程，能快速定位并妥善处置线上故障。
职位要求
- 5年以上开发经验，至少熟练掌握一门主力语言（Java/Python/Go/Rust），具备扎实的系统编程与工程化能力。
- 理解 LLM 推理链路与 Agent 交互范式（ReAct、Plan-and-Solve、Reflection），能设计可靠的多步工具调用与错误恢复机制。
- 熟悉向量数据库与检索/排序链路，有 RAG 系统或 Agent 记忆系统端到端设计经验。
- 具备清晰的系统分层与抽象能力，能从业务问题出发进行架构拆解，而非仅执行单点需求。
- 是 AI Agent 产品（Claude Code、Cursor、ChatGPT、Manus 等）的深度用户，对主流 Agent 的能力边界与交互范式有切身体感。 有以下经验者优先考虑：
- 有 Agent Harness / Runtime 系统设计与落地经验——包括编排引擎、沙箱隔离、状态持久化、容错重试、Multi-Agent 协作中的任一方向。
- 熟悉 Model Context Protocol (MCP)、OpenAI Function Calling 或类似工具协议标准，有 Agent 工具生态或 SDK 设计经验。
- 有 Agent 评测体系建设经验，能设计覆盖规划、工具调用、记忆连续性等维度的自动化评测流程。
- 有模型微调/RLHF/Agentic RL 实践经验，理解如何将 Agent 行为能力内化到模型权重中。
- 有 ToB 产品工程化交付经验，理解金融行业合规与专有云部署诉求。
- 关注 AI Agent 前沿进展（Self-Evolution、Cross-task Experience Accumulation、Runtime Harness 设计），有论文复现或开源贡献。
