Data Agent 技术专家

Agent架构设计与技术规划（50%） 主导Data Agent系统的整体架构设计，制定RAG、Tool Use、Multi-Agent Orchestration等核心技术的落地路线 把控技术选型与方案评审，确保Agent系统与数仓、元数据、数据目录等现有基础设施深度整合 规划Agent平台的工程化能力，包括Tool管理、权限控制、上下文管理、可观测性等基础设施建设 系统研发落地（30%） 独立完成Agent后端核心模块的设计与实现，具备完整的Hands-on能力 推动从技术原型到规模化应用的完整过程，确保系统在生产环境的高可用与可扩展 建立Agent效果评估体系，持续优化系统的准确性与稳定性 数据智能化推进（10%） 深度理解数据平台的业务场景（指标查询、归因分析、用户洞察、报表生成等），推动高价值场景的Agent化 推动数据资产的智能化复用，降低数据使用门槛，提升数据平台对业务的服务效率 团队建设（10%） 带领团队（5人以上），进行工作分配、Code Review和技术辅导 参与人才招聘和面试，建立团队的AI工程知识体系

必备条件： 3年以上数据平台/数据工程相关工作经验，其中至少3年担任AI Agent或LLM应用方向技术负责人经验； 深刻理解数据建模与数仓体系（维度建模、数据分层、指标体系、元数据管理等），能将Data Agent建立在扎实的数据资产理解之上，而非单纯的LLM工程封装 熟悉数据分析与数据科学的核心业务场景（指标查询、归因分析、用户洞察、报表生成等），能准确判断哪些场景适合Agent化、如何设计数据上下文的组织与传递 深入理解LLM原理及主流Agent框架（LangChain / LlamaIndex / AutoGen等），有完整的Agent系统从0到1设计与生产落地的成功案例 熟练掌握RAG、Function Calling、Tool Use、Multi-Agent Orchestration等核心技术范式，能独立设计高可用、可扩展的Agent架构 具备扎实的工程基础：熟练使用Python，熟悉向量数据库（Milvus / Weaviate / Faiss等）、SQL及API集成开发 具备良好的自驱力与抗压韧性，善于跨团队协作；兼具用户视角、数据及商业敏感度，执行效率高，能在多任务并发中稳定交付结果 加分项： 金融数据查询、投研报告生成、量化分析辅助等Agent场景落地经验；理解金融合规对AI应用的约束（数据安全、可解释性要求等） 多语言/多市场AI应用开发经验；具备英文工作能力，了解美股/港股/新加坡等市场业务场景 BAT/TMD/头部AI公司LLM平台或Agent产品的核心研发经验；有大规模Tool/API编排系统设计经验；具备AI可靠性与安全评估的实践经验