中国平安
AI应用架构师
AI应用架构师
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
本科
软件工程
架构设计
RAG
知识图谱
LlamaIndex
Prompt Engineering
OCR
金融风控
Multi-Agent
大模型(Llm)
AI 估算 · 40k–70k
高薪职位，融合AI与金融，技术要求高，竞争力强。
职位详情
关于这个职位
这是一个在平安银行对公业务领域，利用AI技术（大模型、RAG、Agent等）进行架构设计和应用研发的高级技术岗位
你将负责整体AI架构设计，推动大模型、知识图谱等技术在复杂对公流程中的落地，提升业务自动化与研发效能
适合有多年金融软件架构和AI经验的技术专家
最低要求
计算机、金融科技、数学等相关专业本科及以上学历
年以上金融/银行领域软件架构经验，3年以上AI应用架构设计经验
编程与框架要求：精通Python/Java
熟悉LangChain、LlamaIndex等大模型应用框架
熟悉Spring Boot/Cloud微服务体系
模型与AI技术要求：理解大模型（LLM）原理，精通RAG技术，精通Prompt Engineering与multi-Agent设计模式，熟悉skills应用
深刻理解对公业务、了解金融行业数据安全分级、模型风险管理等相关规范、具备极强的风险敏感度，能够在架构设计层面防范模型误判及数据泄露风险
具备较好的沟通能力，连接业务部门与技术团队
逻辑思维严谨，文档撰写能力强，能输出高质量的架构设计方案供行内评审
严谨、细致，对金融数据的准确性和安全性有极高的敬畏心
工作职责
岗位职责: 1、参与银行对公业务领域的AI应用整体架构设计，推动AI技术在对公业务场景的深度落地、推动AI技术在银行信创工作降本提质工作落地
智能应用研发攻坚
精通提示词工程、智能体（Agent）工作流编排的设计与优化，提升AI应用在复杂对公业务流程中的准确性与自动化程度
深入理解对公业务流程，识别业务痛点，设计基于大模型、OCR、知识图谱的智能化解决方案
推动AI辅助研发效能提升工作，积极研究并推动基于大模型的智能研发辅助工作（涵盖设计、编码、测试、评审等软件研发生命周期），提升团队整体研发效率与代码质量
跟踪金融科技领域前沿技术，推动在行内的试点落地，熟练使用如Claude、openClaw、CodeGeex等AI工具并能积极引入和借鉴其优秀设计思想
制定行内AI应用开发规范、模型评测标准及相关指南，提升团队整体交付质量
参与制定对公AI研发技术标准、安全规范、合规规范、模型风控与审计机制，指导团队落地
优先资格
了解知识图谱技术者优先
AI 洞察
优缺点分析
优点
- 平安作为金融科技巨头，平台资源丰富，项目影响大，能接触到核心业务和高价值场景
- AI与金融深度结合，技术前沿，个人技术成长快，未来竞争力强
- 薪资福利优厚，职业稳定性高，且公司注重技术投入
- 对公业务复杂度高，需要同时精通业务和技术，学习曲线陡峭
- 可能涉及跨部门协调和高强度项目交付，工作节奏较快
- 适合有多年金融软件架构经验、熟悉AI技术且希望在金融科技领域深耕的技术专家
缺点 / 挑战
- 金融行业对数据安全和合规要求严格，架构设计中需考虑诸多约束，压力较大
角色解读
- 可向首席架构师或AI技术专家发展，成为金融科技领域的核心技术骨干
- 也可转型为金融科技产品总监或技术管理岗，负责更大范围的业务和技术决策
- 随着AI在金融领域深化，积累的经验将使其成为行业稀缺人才，具有广阔的职业前景
- 负责银行对公业务的AI应用架构设计，包括大模型、RAG、Agent等技术的落地策略
- 带领团队研发智能应用，解决对公业务流程中的痛点，提升自动化程度
- 推动AI辅助研发效能工具（如代码生成、测试）的引入和落地
- 制定AI开发规范、模型评测标准，确保合规与风控
- 精通Python/Java，熟悉LangChain、LlamaIndex等AI框架和Spring Boot微服务
- 深入理解大模型原理，精通RAG、Prompt Engineering和Multi-Agent设计模式
- 熟悉金融对公业务和数据安全规范，具备风险敏感度
- 具备良好的跨部门沟通能力和文档撰写能力
申请策略
- 关注平安的金融科技战略和AI布局，在面试中体现对业务方向的理解
- 准备2-3个完整的项目案例，包括架构图和技术决策过程，展示系统思维
- 突出金融行业架构经验，尤其是对公业务项目中的系统设计案例
- 强调AI应用落地经验，如RAG、Agent项目，展示具体成果和量化指标
- 展示技术栈深度，包括Python/Java、LangChain、Spring Boot等，以及架构设计能力
- 提前学习LangChain和LlamaIndex框架，实践构建RAG和Agent应用
- 补充金融对公业务知识，了解银行风控和数据安全基本概念
- 准备系统设计面试，重点练习高可用、高安全、合规性设计
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化回答，突出个人贡献和技术难点
- 对于技术问题，先讲原理再结合实践，展现深度理解
- 开放性问题采用总分结构，先给出核心结论再分点论述
- 请描述您设计过的一个AI应用架构，如何解决实际业务问题？
- 如何保证大模型在金融场景下的输出准确性和安全性？
- 请比较LangChain和LlamaIndex的异同，并说明您的选择依据
- 您如何推动AI技术在团队中的落地？请举例说明
- 描述一个您主导的复杂项目，如何跨部门协作并达成目标？
匹配度报告
72
综合匹配度
金融科技巨头，前沿AI技术栈，高薪但WLB一般。
适合人群
适合追求技术成长和薪资回报，能接受高强度工作节奏的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展85
工作生活50
使命价值80
薪资福利匹配
75中等
薪资水平未明确披露，但根据岗位层级和公司规模，预计薪酬在市场水准以上，福利待遇优厚。
薪资信号未披露（AI估算：40K-70K/月）
成长发展匹配
85较高
职位涉及前沿AI技术（大模型、RAG、Agent），技术成长空间大，公司鼓励技术试点，但未明确提及晋升通道。
技术前沿前沿/新兴技术
技术栈Python、Java、LangChain、LlamaIndex、Spring Boot、LLM、RAG、Prompt Engineering、Multi-Agent、OCR、知识图谱
业务类型profit_center
工作生活匹配
50较低
工作地点在深圳科技园区，未提及远程或弹性办公，无WLB信号，推测以现场办公为主。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
80较高
金融科技行业处于高速增长赛道，技术创新积极，社会价值中性，但对金融安全有贡献。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs