AI研发工程师-智能风控方向

参与建设面向零售、服务、整车等业务的 AI 风控工作流与应用平台，围绕风险主动发现、特征与数据分析、风险识别、策略生成与上线、监控复盘、客诉分析与处置辅助等场景，形成端到端闭环。

基于 LangGraph、LangChain、AutoGen 等 Agent 框架及工作流编排能力，设计并实现具备任务规划、工具调用、知识检索、状态管理和人工审核能力的智能风控应用，提升风险分析、策略运营和案件处置效率。

以 MCP 为核心建设风控工具生态，标准化接入数据仓库、特征与标签平台、策略平台、规则引擎、案件系统、监控告警、知识库及内部服务，保障工具调用的权限控制、审计追踪、稳定性和可维护性。

结合 RAG、结构化检索、SQL 分析及现有算法能力，建设风险知识库和分析助手，支持异常线索挖掘、风险归因、特征分析、策略效果评估和运营决策辅助。

与产品、算法、运营及业务团队协同，将实际业务问题拆解为可落地的 AI 工作流；持续优化模型调用效果、工具成功率、流程时效和人工提效，并推动应用稳定上线。

计算机基础扎实，熟练使用 Python，至少掌握一门后端开发语言（Go、Java、C++、Rust 等）；熟悉 Git、Linux、数据库、接口开发及容器化部署。

有大模型应用、Agent 或工作流平台相关项目经验，熟悉 LangGraph、LangChain、AutoGen、LlamaIndex 等任一框架；理解 MCP、Function Calling、RAG、Prompt Engineering、Memory、Workflow Orchestration 等方法，并能够独立完成应用落地。

具备较好的工程化能力，能够设计和实现稳定、可扩展、可观测的服务；了解工具调用鉴权、日志审计、异常降级、评测与监控等机制。

具备数据分析与问题定位能力，熟悉 SQL、数据处理及常见检索方案；能够围绕风险线索、策略效果、工具调用链路和用户反馈提出可量化的优化方案。

对风控、反作弊、智能运营或企业级 AI 应用有兴趣；具备良好的沟通与协作能力，能够与产品、算法、运营和业务团队共同推进复杂问题落地。

有风控、反作弊、策略平台、数据平台、RAG/MCP/Agent 应用或多系统集成经验者优先。