中国平安
算法工程师（Agent开发）
算法工程师（Agent开发）
发布于 大约 2 个月前普通员工/个人贡献者
深圳市
高级经验
全职员工
仅现场办公
硕士
软件工程
RAG
LLM
向量数据库
提示词工程
证券
多智能体
Agent框架
AI 估算 · 30k–50k
岗位要求5年经验+硕士，Agent开发前沿技能稀缺，深圳大厂溢价，预估30-50K/月，14薪
职位详情
关于这个职位
该职位主要负责基于大语言模型（LLM）的智能体（Agent）开发，包括方案设计、多智能体协作、RAG知识库构建以及工具生态建设，并将AI技术落地到证券等业务场景
适合具有5年以上AI工程化经验、精通Python和Agent框架的资深算法工程师
最低要求
硕士及以上学历，计算机科学、人工智能、机器学习、电子工程等相关专业
具备5年以上AI工程化经验
深入理解Transformer、LLM的原理，熟练掌握提示词工程技巧，能够设计复杂的System Prompt
精通Python，熟悉至少一种Agent框架，可熟练使用Agent平台开发WorkFlow、Agent，并有实际的项目落地经验，能够解决Agent在执行过程中出现的幻觉、循环死锁、工具调用失败等问题
具备完整RAG系统搭建经验，熟悉向量数据库、文档切片、语义检索技术和重排等技术
有Docker、K8s使用经验
具有业务驱动型思维和用户思维，能快速转化业务痛点为技术方案，推动需求闭环
工作职责
负责基于LLM的Agent方案设计，构建具备规划、记忆、工具使用和反思能力的Agent应用
参与多智能体协作机制的设计和实现，解决复杂业务任务拆解、分发与结果聚合等问题
结合RAG技术，建设业务知识库，优化Agent在业务领域的问答准确性和性能
负责Agent工具生态（API、MCP、Skills等）的建设，实现Agent与工具的稳定对接和异常处理
与业务需求方紧密合作，将Agent技术工程落地到实际业务场景（如材料质检、报告辅助生成等）
跟踪AI Agent领域最新进展，探索Agent技术在证券场景的创新应用
AI 洞察
优缺点分析
优点
- 前沿技术方向：Agent开发是AI热点，技能积累市场价值高
- 大平台资源：中国平安提供丰富的业务场景和数据，利于技术落地
- 职业前景广阔：Agent技术可应用于金融、客服、自动化等多个领域
- 技术难度高：需要深入理解LLM、RAG、多智能体协作，解决实际问题
- 适合有5年以上AI工程经验、热爱前沿技术、乐于解决复杂工程问题的资深算法工程师
缺点 / 挑战
- 业务压力大：需快速将技术转化为业务价值，可能涉及高强度工作
角色解读
- 在AI Agent领域成为技术专家，主导前沿算法研究与落地
- 向技术管理方向发展，带领团队攻克复杂业务难题
- 横向拓展至大模型训练、多模态等方向，或在金融科技领域深耕
- 设计基于LLM的Agent架构，实现规划、记忆、工具调用等核心能力
- 参与多智能体协作系统开发，解决任务拆解和结果聚合等复杂问题
- 利用RAG技术构建业务知识库，提升Agent在证券等领域的问答准确性
- 建设Agent工具生态，确保与API、MCP等工具稳定对接，并落地到具体业务场景
- 精通Python和至少一种Agent框架（如LangChain、CrewAI），有实际项目经验
- 深入理解Transformer、LLM原理，掌握提示词工程和系统Prompt设计
- 熟悉RAG技术栈，包括向量数据库（如Milvus）、文档切片、语义检索和重排
- 具备Docker、Kubernetes等容器化部署经验，能解决Agent运行中的幻觉、死锁等问题
申请策略
- 研究中国平安的金融科技布局和AI战略，在面试中展现业务视角
- 准备一个完整的Agent项目案例，从需求分析到落地效果
- 突出Agent框架（如LangChain）的项目经验，展示解决幻觉、死锁等问题的案例
- 强调RAG系统搭建经历，包括向量数据库选型、切片策略和检索优化
- 展示Python系统设计能力和工程化经验，提及Docker、K8s使用场景
- 如果有金融或证券领域背景，务必突出业务理解与落地成果
- 补充多智能体系统设计相关知识和实践
- 学习MCP（模型上下文协议）等工具生态标准
面试指南
- STAR法则：情境-任务-行动-结果，突出技术挑战和解决方案
- 技术对比法：对不同技术方案进行权衡，展示决策思路
- 业务导向：强调技术如何服务于业务目标
- 请描述你设计过的Agent系统架构，如何解决幻觉和循环死锁问题？
- 讲一个RAG系统优化的例子，你如何选型和技术决策？
- 多智能体协作中如何保证任务分配和结果一致性？
- 如何在Agent中集成外部工具（API），并处理异常？
- 如果让你将Agent技术应用于证券材料质检，你会如何设计？
匹配度报告
72
综合匹配度
技术前沿、大厂平台、薪资可观，但工作地点固定且可能加班。
适合人群
适合追求技术成长和前沿领域、对薪资和平台有较高要求，但能接受现场办公和一定工作强度的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展90
工作生活50
使命价值70
薪资福利匹配
80较高
薪资水平较高，大厂福利完善，但JD未明确列出具体福利，补偿性动机满足较好。
薪资信号未披露（AI估算：30K-50K/月）
成长发展匹配
90较高
技术栈前沿（Agent、LLM、RAG），项目经验积累价值高，成长空间大。
技术前沿前沿/新兴技术
技术栈LLM、Agent、RAG、Python、Docker、Kubernetes
业务类型ambiguous
工作生活匹配
50较低
仅现场办公，未提及弹性工作，互联网大厂通常工作强度较高，生活化动机满足一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
70中等
金融科技行业稳健，Agent技术应用于证券场景有一定社会价值，但未明确使命感信号。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs