AI应用工程师（金融智能体方向）

1、Agent 系统设计与编排:负责智能体系统的架构设计与落地开发,基于 LangGraph、LangChain 、Spring AI(Spring AI Alibaba)等框架进行多 Agent 流程编排,设计 Planner、Executor、Reflector 等核心模块,支撑复杂业务场景下的任务拆解、工具调用与多轮决策。

2、Agent 核心能力组件建设:负责 Agent 工程化能力建设,包括 MCP(Model Context Protocol)服务对接与开发、Skill 体系设计与封装、工具(Tool)注册与管理、记忆(Memory)模块构建;基于langgraph、Spring AI等开源框架进行二次开发与定制化扩展,提升 Agent 的可复用性与可扩展性。

3、Agent 评测与业务场景落地:搭建 Agent 评测体系与 Harness 框架,涵盖端到端任务成功率、工具调用准确率、轨迹质量、token 消耗等多维指标;参与智能体业务落地,支撑智能客服、营销话术生成、合规审核、知识问答等场景,持续打磨 Agent 在真实业务中的稳定性与效果。

4、大模型微调与推理部署:负责 Agent 底座模型的微调优化(LoRA/QLoRA),针对工具调用、规划推理等能力进行定向增强;使用 vLLM等工具完成模型量化压缩与服务化部署,针对高并发低延迟场景开展推理性能优化

1、学历要求:计算机、人工智能、数学或相关专业，硕士及以上学历。

2、Agent 开发能力:具备 Agent 系统开发实战经验,熟练使用 LangGraph、LangChain 等主流编排框架,理解 ReAct、Plan-and-Execute、Reflection、A2A 等多 Agent 协作模式;熟悉 MCP 协议、Function Calling、Tool Use 等核心机制。

3、工程能力:熟练使用Java 或Python,具备良好的代码工程素养与模块化设计能力;熟悉 Linux 环境与 Docker 容器化部署流程,具备 GPU 服务器基础运维能力。

4、模型相关能力:理解 Transformer 架构原理,了解 LoRA 等参数高效微调方法;具备 vLLM 等推理框架的使用经验,了解 AWQ、GPTQ、FP8 等量化方案。

5、评测体系建设:具备 Agent 或 LLM 评测体系建设经验,熟悉 Harness 类评测框架,能够独立设计评测集与评测指标