投研大模型算法工程师

投研AI能力建设：深入理解投研业务流程与研究方法（行业研究、公司研究、调研、边际变化跟踪等），将大模型、Agent、RAG等技术转化为研究员日常可用的智能工具与系统，直接服务投资研究；

前沿算法跟踪与判断：持续跟踪LLM领域最新进展（推理模型、强化学习后训练、Agent架构、多智能体协作、自进化、记忆等），能快速评估其对投研场景的价值，完成调研、验证与落地决策；

Agent系统研发：设计并开发面向投研场景的智能体系统，深入掌握前沿Agent Harness框架，包括Skills、Plugins等能力扩展机制、任务编排、工具调用、上下文管理等核心模块，构建从数据获取到研究产出的自动化链路；

任务级评测与迭代：面向具体投研任务建立效果评估方法与迭代机制，针对金融专业场景的准确性、可靠性、幻觉控制、实际投研任务设计评价标准，让每一个上线任务的效果可度量、问题可定位、能力可持续进化；

技术布道与协作：与投研团队深度协作，理解真实业务痛点与认知方式，推动AI使用范式在研究员群体中的普及与演进

硕士及以上学历，计算机、人工智能、数学、统计学等相关专业；有大模型应用或Agent系统的完整项目经验，有金融领域落地经验者优先；

算法功底扎实，对前沿敏感：深入理解大模型基本原理，了解强化学习等相关算法思想，持续关注并动手研究前沿论文与开源项目，对技术演进有自己的判断；

熟悉Agent Harness生态：理解主流Agent框架/Harness的架构设计与能力机制（Skills、Plugins、流式输出、工具调用等），有相关开发或改造经验者优先；

具备新时代开发能力：熟练使用AI Coding工具与智能体编程方式（如Claude Code、Cursor等）进行高效开发，能以"人定义问题、AI生成实现"的方式快速交付，有从0到1独立构建系统的能力；

理解金融，理解投研：了解二级市场研究的基本工作方式，理解研究员关注边际变化的思维习惯，熟悉行情、财报、研报、公告等数据形态；有买方/卖方研究、量化、Fintech背景或行业研究复合背景者优先；

精通Python，熟悉Node.js，具备良好的工程素养和系统架构能力；

在NLP/ML顶会发表过论文，或在Kaggle、ACM等竞赛中获奖者优先。 我们看重什么

你对投研业务的好奇心，不亚于对技术的好奇心；

你相信算法的品质是稀缺的——评估意识、迭代意识、处理不确定性的方法论，比调用API的能力更重要；

你已经在用AI重构自己的工作方式，而不仅仅是在谈论它