业务技术-AI应用研发工程师-资金结算方向

资金结算平台建设 参与货款结算、佣金清分、退款回流、对账核销、商家提现、跨境结算等核心系统的设计与研发，解决高并发、低延迟、数据一致性和故障恢复等工程问题，保障资金处理准确、稳定、安全和可追溯。

AI业务应用研发 深入资金结算业务，识别适合使用 AI 解决的高价值问题，建设规则查询、异常资金归因、对账差异排查、工单辅助处理和商家智能服务等 AI 应用。结合业务特点，合理选择 Agent、确定性工作流、规则系统或传统工程方案，推动 AI 能力真正创造业务价值。

AI研发提效与能力沉淀 运用大模型和 AI 编程工具提升需求理解、系统设计、编码、测试、代码审查、文档沉淀、故障定位及运维处置效率；将有效实践沉淀为可复用的研发工具、知识库和工程组件，推动 AI 提效能力在团队内规模化应用。

生产级系统交付 基于 Java 技术栈完成 AI 应用与现有结算系统的可靠集成，建设工具调用、知识检索、上下文管理、状态保持及异常恢复等能力。完善日志、监控、链路追踪和安全审计，通过限流、熔断、降级、重试、人工复核等机制，保障 AI 应用在资金场景中稳定、可控地运行。

Java与分布式工程能力 本科及以上学历，计算机、软件工程、人工智能等相关专业优先。 精通 Java，深入理解集合、并发编程、线程模型、JVM、IO/NIO及网络编程等核心机制。 熟练使用 Spring Boot、Spring Cloud、MyBatis 等主流框架，具备良好的系统设计、代码质量、单元测试和工程治理能力。 熟悉微服务、RPC、消息队列、缓存、数据库和分布式任务调度，掌握限流、熔断、降级、重试、幂等、隔离及分布式一致性等常见方案。 具备高并发、低延迟、高可用系统的实际研发经验，能够定位和解决线程、内存、GC、数据库、缓存及网络等线上问题。

运用AI提升研发效能的能力 能熟练使用大模型及 AI 编程工具辅助需求分析、方案设计、编码、测试用例生成、代码审查、文档编写和问题排查。 能结合代码、日志、监控、业务文档和历史案例设计有效的 AI 辅助方案，并将重复性的研发或业务支撑工作工具化、自动化。 理解大模型的能力边界，能够对 AI 生成的代码、结论和操作建议进行验证，避免将未经校验的结果直接应用于资金链路。 有使用 AI 提升研发交付、线上排障、运维处置或业务支撑效率的实际经验，能够说明具体场景和取得的效果。

Agent应用研发能力 理解大模型基础概念及能力边界，了解 Token、上下文窗口、Temperature、Top-P、KV Cache 等基本原理。 理解 ReAct、Plan-and-Execute、Tool Use、Memory 等 Agent 基础机制，能够根据任务特点选择确定性 Workflow、单 Agent 或 Multi-Agent 方案。 使用过 Spring AI、LangChain/LangGraph、AgentScope 或同类框架中的至少一种，能够完成 Agent 流程编排和核心模块开发；不要求精通多种框架。 熟悉 Function Calling、MCP、Skills 或 OpenAPI 等工具接入方式，能够将结算查询、账务核对、异常诊断等业务接口封装为可稳定调用的工具。 具备 Prompt、上下文管理、RAG或其他知识注入方式的实践经验，能够有效使用结算规则、业务文档和历史案例。 能针对模型输出错误、工具调用失败、超时、重复执行和异常循环等问题，设计参数校验、结果校验、重试、降级、回退及人工兜底机制。

业务理解与生产保障能力 具备良好的业务理解和问题抽象能力，能够判断问题应由 AI、业务规则、自动化流程还是传统工程方式解决。 具备较强的生产稳定性和资金安全意识，重视数据一致性、权限隔离、敏感信息保护、结果校验、操作审计和人工复核。 具备日志、指标和全链路追踪实践，能够定位模型推理、知识检索、工具调用及业务执行过程中的问题。 能够通过基础测试集、业务指标和 Bad Case 分析验证应用效果，并持续推动方案优化。 具备良好的沟通协作和项目推进能力，能够与业务、产品及上下游研发团队共同完成方案落地。 加分项： 有大型交易、支付清算、资金结算、账务核对或金融风控系统的研发经验。 有生产级 Agent、RAG、智能问答、异常诊断或 AI Workflow 上线经验。 有使用 AI 显著提升研发、排障、运维或业务支撑效率的实际案例。