蚂蚁集团-财富AI Lab-大模型应用架构师（知识与工具平台方向）

围绕金融智能体的“知识获取”与“工具执行”能力，主导金融专业搜索、DataAgent、金融数据供给和 MCP 工具平台的技术架构与演进。你将与算法、数据和业务团队协作，推动大模型从通用问答走向能够检索、计算并调用工具完成专业金融任务，为投研、投顾等上层 AI 应用提供准确、稳定、可追溯的知识与工具底座。

1. 01

   金融专业搜索 负责金融专业搜索架构设计，建设覆盖金融资讯、研报、公告等多源异构数据的统一检索体系。设计并持续演进百亿级索引、混合召回、排序和近实时更新架构，提升专业金融问答的准确性、时效性与结果可追溯性。

2. 02

   金融 DataAgent 设计并落地基于 NL2SQL 的金融 DataAgent，支持自然语言选股、选基、选 ETF 及金融数据分析。负责从意图理解、Schema Linking、任务规划、代码执行到结果校验的完整链路，建立效果评测与线上反馈机制，持续提升查询准确率、复杂任务完成率和系统稳定性。

3. 03

   金融数据供给中心 建设统一的金融数据供给体系，负责全网结构化与非结构化数据的持续接入、清洗加工、实体对齐、指标计算、质量校验、存储与分发。完善数据口径、元数据、版本和血缘管理，沉淀可复用的数据与知识模型，为专业搜索、DataAgent 和工具平台提供稳定、一致、可治理的金融数据供给。

4. 04

   MCP工具平台 设计并落地智能体工具调用基础设施，基于 MCP 标准建设统一的工具注册、发现、路由、编排与执行框架。完善权限控制、限流降级、监控审计和效果评测机制，沉淀可复用的工具资产，让专业金融能力能够被不同智能体安全、稳定地复用。

基础条件

1. 01

   计算机、软件工程、人工智能等相关专业，具备 3-5 年后端/系统架构经验，且至少 1-2 年深度的搜索推荐引擎/Agent引擎实际架构与落地经验；

2. 02

   具备 3-5 年后端开发或系统架构经验，其中至少 1–2 年专注于金融数据、知识工程、搜索推荐、Agent、DataAgent 等相关系统的架构设计与生产落地。 专业能力：

3. 01

   扎实的架构与工程底盘：熟悉分布式系统、微服务、高并发和高可用架构，熟练掌握 Java、Python、Go 等至少一种主流语言。能够将成熟的软件工程方法应用于 AI Native 系统的开发、测试、评测与运维，解决模型不确定性带来的工程问题；

4. 02

   Agent、搜索或 DataAgent 实践经验：包括但不限于：搜索与 RAG：索引架构、向量数据库、混合召回、知识加工；DataAgent：NL2SQL、Schema Linking、代码执行；Agent 与工具平台：MCP、Function Calling、工具路由与编排、权限治理和可观测性；数据工程：批流一体的数据 Pipeline、指标计算、数据质量、元数据及血缘治理；

5. 03

   AI 辅助研发能力：深度使用 Claude Code、Codex 等 AI 编程工具，具备良好的 Prompt、上下文工程和结构化表达能力。能够设计团队级 AI 辅助研发 Workflow，并通过规范、测试、代码评审和评测机制，保证 AI 生成代码达到生产要求。 能力特质：

6. 01

   系统思维与抽象能力：面对海量异构金融数据和多样化工具需求，能够识别共性问题、抽象平台能力，并在通用性、业务深度和建设成本之间做出合理取舍；

7. 02

   Hands-on 工程能力：能够亲自编写核心代码、分析线上链路、调优检索与 Agent 效果，通过快速原型和工程验证推动架构决策落地；

8. 03

   严谨度与风险意识：尊重金融数据口径和业务规则，重视结果准确性、可解释性与可追溯性；在推进智能化能力的同时，守住数据安全、权限控制、系统容灾和工程质量底线；

9. 04

   自驱与技术领导力：能够在需求和技术路径尚不明确的情况下主动拆解问题、推动关键决策，并通过技术方案、工程规范和经验沉淀提升团队整体能力。

加分项

1. 01

   具有证券、基金、银行理财或金融数据服务商相关工作经历，熟悉金融数据口径、指标体系和投研业务流程；

2. 02

   主导过从 0 到 1 的高并发或百万级日活 AI Native 应用、复杂智能体引擎、搜索平台或数据平台建设；

3. 03

   在 GitHub 上有高质量的 LLM、Agent、MCP、RAG 或 Workflow 相关开源项目贡献，或在技术社区具有持续的技术影响力。