岗位职责
面向国内金融市场，以专业投研能力为基础，融合大模型、Agent与量化分析等技术，打造面向金融研究员分析师以及专业用户构建，探索诊股、选股、市场洞察、投资机会发现等一系列投研分析任务与AI的有机结合，以及能够持续理解、学习研究员分析方法的AI系统。从金融市场的真实研究需求出发，让 AI 深度融入金融研究的各个过程。
- 负责面向投研类Agent应用的技术选型和系统架构设计，确保系统的高性能、可扩展性和可维护性。
- 提示工程（Prompt Engineering）： 深入实践和领导提示工程，设计、测试和迭代优化复杂的 Prompt 链，以实现精确、可靠的 Agent 行为。
- 检索增强生成（RAG）： 负责设计、构建和调优 RAG 流程。这包括但不限于：数据源接入、文档智能处理（切块、清洗）、向量化、混合检索策略以及检索结果的重排（Re-ranking）。
- 上下文工程（Context Engineering）： 设计高效的对话管理和上下文控制策略。您需要管理长短期记忆，优化上下文窗口（Context Window）的使用效率，确保智能体在复杂的多轮对话和长任务流中保持连贯性和准确性。
- 工具与集成（Tool-using / Function Calling）： 构建和维护智能体与外部工具、API 和数据源（如数据库、企业内部系统）的集成能力，使 Agent 能够执行实际操作。
- 评估与优化： 建立智能体性能（如响应质量、延迟、Token 成本、幻觉率）的评估（Evaluation）体系，并基于数据反馈持续进行工程优化。
- 后端服务开发： 开发支撑智能体运行的后端微服务，解决在实际生产环境中遇到的高并发、稳定性和安全性问题。
- 持续关注LLM、Agent、harness等类AI领域技术演进，引入、落地、创新相关技术。
职位要求
- 本科及以上学历，计算机相关专业，具备扎实的计算机基础；AI 编程工具深度使用经验。 熟练使用 Cursor、CC、Codex 等 AI 编程工具，具备良好的 Prompt 编写与调优能力；能够借助 AI 完成需求拆解、编码、调试与测试，并对生成代码的正确性和可维护性负责。
- 大模型能力理解与应用。 理解主流 LLM 的能力与局限，能够合理拆解任务，结合大模型与确定性逻辑实现可靠的解决方案；理解流行Harness框架的架构设计、Context Engineering、Prompt Engineering等应用范式，了解大模型幻觉、Prompt 注入等问题的基本应对思路。
- 扎实的代码与工程基础。 熟练掌握至少一种主流编程语言，如 Python、Java、JavaScript／TypeScript 等，具备良好的编程习惯、调试能力与软件工程意识，能够根据场景学习并使用合适的技术方案。
- 传统投研系统研发经验。对传统金融机构所涉及的典型系统，包括不限于资产管理系统、投研系统、风控系统、因子研发、量化策略研发、回测引擎、高频交易系统等有相关建设研发经验。
