渣打银行
AI Senior Software Engineer - Apps
AI Senior Software Engineer - Apps
发布于 6 个月前普通员工/个人贡献者
广州市
高级经验
全职员工
混合式弹性办公
本科
软件工程
软件工程
Agentic Framework
Javascript
LLM
NoSQL
RAG
SQL
AI 估算 · 30k–55k
广州AI高级软件工程师，前沿技术方向，高薪
职位详情
关于这个职位
这是一个专注于将先进AI技术转化为银行实际应用场景的高级软件工程师职位
您将负责设计、优化和管理AI提示词，以提升语言模型的性能，并确保其与业务目标对齐
同时，您需要分析复杂数据集以提取可执行的洞察，支持银行的战略计划并提升运营效率
您将与跨职能团队紧密合作，将AI解决方案整合到银行业务中
最低要求
学历：计算机科学学士或硕士
培训：完成过使用Python的真实世界生成式AI项目
语言：英语
技能与经验：
使用Python/JS/TS进行软件开发的经验（至少4年）
使用FastAPI设计/实现可扩展的Python后端API
深刻理解能够扩展复杂应用程序、实现高质量、高可复用性的代码模式（前端或后端均可）
在SQL和NoSQL数据库设计方面有丰富经验
具备LLM技术（例如：RAG、Agentic Framework、Graph RAG）及查询LLM端点的实践经验
具备编写需求/用例/业务规则/用户故事等文档的能力
工作职责
战略：交付、构建和维护银行AI用例的解决方案，并增强银行AI工具的功能
业务：加速为银行各业务和职能部门交付AI用例，重点关注：
职责：
设计与优化生成式AI应用：开发、测试和完善AI应用，确保其最佳性能并与业务目标对齐
可扩展性与可用性：将工程思维带入AI应用，创建能够可靠服务于大规模用户群的应用，并实现对AI思考和决策的实时可观测性
与跨职能团队协作：与数据科学家、软件工程师和业务利益相关者紧密合作，将AI解决方案整合到银行业务运营中
持续改进：紧跟AI和数据分析领域的最新进展，持续提升AI模型和数据分析流程的质量与效率
文档与培训：记录流程、方法和发现，并就提示词工程和数据分析的最佳实践为团队成员提供培训
职责范围：
质量与性能：对AI软件的质量、性能、可靠性、正常运行时间和延迟（首词元时间）负责
合规性：负责确保所有AI和数据相关活动遵守法规和合规要求
利益相关者满意度：负责交付满足内部利益相关者需求并支持银行战略目标的可执行洞察和有效的AI解决方案
人员与人才：与生成式AI建模师和AI软件开发人员团队合作
风险管理：确保所有数据处理和分析流程符合银行的数据隐私和网络安全标准
治理：
制定并实施变革管理计划，以确保AI解决方案在整个组织内的成功采用
为业务用户提供培训和支持，帮助他们理解并利用AI工具和技术
通过宣传AI的优势并鼓励实验，培养创新和持续改进的文化
监管与商业行为：
展现模范行为，并践行集团的价值观和行为准则
个人负责在渣打银行内嵌入最高的道德标准，包括监管和商业行为
这包括理解并确保遵守所有适用的法律、法规、指南和集团行为准则（无论是字面还是精神）
有效且协作地识别、上报、缓解和解决风险、行为和合规事宜
其他职责：
将“Here for good”和集团的品牌与价值观嵌入到部署到各业务和职能部门的AI团队中
执行集团、国家、业务或职能政策和程序下分配的其他职责
识别并优先考虑具有潜在重大业务价值的AI用例
为AI项目制定商业案例，包括成本效益分析、风险评估和投资回报率估算
AI 洞察
优缺点分析
优点
- 平台与行业优势：在全球性银行工作，能接触到海量、真实的金融数据和应用场景，项目价值高，对简历背书强
- 技术前沿性：专注于生成式AI在金融领域的落地，处于技术应用前沿，能积累宝贵的LLM工程化和提示词工程经验
- 全面的职业支持：公司提供有竞争力的薪酬福利、灵活办公、持续学习文化和完善的员工关怀计划（如心理健康支持）
- 明确的职业价值：工作直接连接业务目标与先进技术，成果可见度高，能深刻理解技术如何驱动商业价值
- 严格的合规环境：金融行业的强监管特性意味着所有AI模型和数据流程都必须经过严格审查，创新可能面临更多约束和流程
- 技术快速迭代：AI领域，特别是LLM技术发展日新月异，需要持续投入大量时间学习，以保持技术竞争力
- 适合拥有扎实软件工程背景，并对将前沿AI技术应用于解决实际、复杂的商业问题（特别是金融领域）充满热情和耐心的资深开发者
缺点 / 挑战
- 高要求与多维度压力：需同时兼顾技术实现、系统性能、业务合规和跨团队协作，对综合能力要求极高
角色解读
- 技术深度上，可以从AI应用工程师向AI架构师或AI专家发展，专注于更复杂的模型优化、多模态AI或AI基础设施构建
- 业务广度上，可以深入理解特定银行业务（如风控、客服、投研），成为兼具技术深度与业务洞察的AI产品负责人或解决方案专家
- 在渣打银行的国际化平台，有机会参与全球性AI项目，积累跨境金融科技经验，未来可向技术管理（Tech Lead）或跨境AI项目负责人方向发展
- 核心工作是开发与优化银行的生成式AI应用，确保其性能、可靠性与业务目标对齐
- 负责AI提示词的设计、测试与调优，并构建可扩展的后端API以支持大规模用户使用
- 分析银行业务数据，提取洞察以支持决策，并确保所有AI活动符合严格的金融监管与合规要求
- 作为AI团队与业务部门、数据科学家之间的桥梁，推动AI解决方案的落地与持续改进
- 扎实的软件工程能力：至少4年Python/JS/TS开发经验，精通FastAPI构建可扩展后端，熟悉SQL/NoSQL数据库设计
- 深入的AI技术栈：具备LLM（大语言模型）的实践经验，如RAG、智能体框架等，并了解如何查询和优化LLM端点
- 工程化与系统思维：能够设计高可用、可观测的AI系统，并编写高质量的、可复用的代码
- 金融行业知识：理解银行业务流程，并具备确保AI项目符合数据隐私、网络安全及金融法规的意识和能力
申请策略
- 深入研究渣打银行的AI战略：在申请前，了解银行近期在AI领域的公开动态、投资或产品，在求职信或面试中表达你对其AI发展方向的兴趣和见解
- 准备体现“Here for good”价值观的案例：公司文化强调做正确的事、持续改进和团队协作，准备能体现你这些特质的过往经历
- 重点突出与AI/LLM相关的项目经验：详细描述你参与过的生成式AI项目，特别是使用Python、RAG、智能体框架等技术的实践，量化项目成果（如性能提升、效率改进）
- 展示可扩展系统构建能力：用具体案例说明你如何使用FastAPI等框架设计高并发、可靠的后端服务，以及处理大规模数据的经验（SQL/NoSQL）
- 强调金融或强合规行业经验：如果有银行、金融科技或任何对数据安全、合规性要求高的行业经验，务必突出，并说明你如何确保项目符合相关标准
- 体现协作与业务理解：描述你与数据科学家、产品经理或业务方成功协作的经历，展示你理解业务需求并将其转化为技术方案的能力
- 深化LLM工程化实践：如果缺乏经验，可以通过开源项目或线上课程，动手实践RAG系统构建、提示词优化、LLM API调用与成本控制
- 补强金融科技知识：了解银行业务基本流程（如信贷、反欺诈、客户服务）和相关的数据隐私法规（如GDPR、中国个人信息保护法），这能让你在面试中更有共鸣
面试指南
- STAR法则结构化回答：针对行为类问题（如项目经历、协作），使用情境(Situation)、任务(Task)、行动(Action)、结果(Result)的结构，确保回答具体、有逻辑
- 技术问题体现深度与广度：回答技术问题时，不仅给出解决方案，还要解释背后的权衡（如为什么选A不选B），并提及相关的性能、安全、成本考量
- 结合业务场景：始终将技术答案与解决具体的银行业务问题联系起来，展示你的业务和技术结合思维
- 请详细介绍一个你参与的生成式AI项目，你在其中扮演的角色、遇到的技术挑战以及如何解决的？
- 你如何设计一个高可用、低延迟的AI应用API来服务大量并发用户？
- 在金融行业部署AI模型时，你会考虑哪些合规性和风险控制因素？
- 请描述一次你与数据科学家或业务团队紧密合作，成功交付一个AI项目的经历
- 当AI模型的输出出现偏差或不符合业务预期时，你的排查和优化思路是什么？
职位点评
Watch Jobs