后端开发工程师（AI核保风控）

优缺点分析

角色解读

• 可向AI风控架构师方向发展，成为金融科技领域的技术专家
• 可深耕AI Agent与大模型应用，成为企业内AI工程化领军人物
• 有横向拓展可能，进入产品管理或技术管理岗位
• 参与智能核保平台和风险量化平台的关键系统建设，负责领域设计与落地
• 设计和实现高可用的风控规则引擎和决策系统，构建实时计算能力
• 负责核保风控场景AI Agent的设计与开发，基于大模型实现核保流程自动化
• 设计Agent工具调用、任务规划、多轮对话等核心能力，探索Multi-Agent协作模式
• 扎实的Java功底，熟悉Python，理解JVM、多线程、集合等基础框架
• 熟悉规则引擎、流式计算和实时数据处理技术
• 掌握AI Agent工程开发，理解上下文工程、RAG和多轮对话保持
• 具备风控系统或保险业务经验者优先，对AI新技术保持高度热情

申请策略

• 在简历和面试中主动展示对AI新技术的热情，可提及个人学习项目或社区参与
• 了解平安的科技战略，特别是AI在金融领域的应用案例，体现文化契合
• 重点突出Java服务端高并发、高可用项目经验，展示系统稳定性设计
• 如有AI Agent、大模型应用、RAG等相关项目，务必详细描述
• 强调风控、反欺诈或保险业务经验，凸显业务理解能力
• 列出熟练使用的AI辅助编程工具，体现技术敏锐度
• 补充学习AI Agent框架（如LangChain、CrewAI）和大模型API使用
• 复习规则引擎（如Drools）和流式计算（如Flink）的基础知识

面试指南

• 对于设计类问题，遵循'业务场景-技术选型-架构分解-难点攻克-效果评估'的结构
• 对于技术理解类问题，先给出定义，再结合项目经验阐述实现细节和考量
• 对开放性问题，展示系统性思维：从目标出发，比较不同方案优劣，提出现实可行方案
• 请描述你参与过的一个高并发系统的架构设计，如何保证稳定性和可用性？
• 你对AI Agent的理解是什么？如何设计一个基于大模型的决策流程？
• 谈谈规则引擎在风控中的应用，如何优化大规模规则匹配的性能？
• 解释上下文工程和RAG技术，以及它们在Agent中的作用
• 如何保证实时风控系统的低延迟和高可用？可以结合具体场景说明