技术追踪与引入：跟踪国际前沿多智能体技术（如协同控制、分布式学习、大模型驱动的智能体框架），评估其在金融场景的应用潜力，主导引入高性能多智能体框架（如基于LLM的任务规划系统、混合控制架构等）
研究及引入垂域智能体技术（如Deep Research、 Code Agent、Agentic RAG）的进展，构建技术选型矩阵，制定金融场景的适配路径与集成方案
多智能体能力建设：主导设计并实现面向金融领域的多智能体系统，重点突破Context Engine、Memory、Tool Use、ReAct、Plan-and-Execute、MCP等核心能力，并探索端到端的Agentic RL训练方法，以提升智能体在复杂金融环境中的自主性与适应性
金融场景适配与工具化平台：理解金融业务，结合业务痛点提供创新的技术解决方案并执行
将多智能体核心能力封装为标准化工具和平台组件，打造金融专属的智能体开发套件，降低技术使用门槛
构建智能体仿真测试环境，验证系统在复杂金融场景下的鲁棒性，确保输出符合行业规范与监管要求
团队协作与指导：负责方向的规划、方案的设计及人员的指导