服务端开发工程师（AI应用开发方向）-26届春招

优缺点分析

角色解读

• 技术方向：从AI应用开发工程师成长为AI架构师或技术专家，深入大模型与金融科技交叉领域
• 管理方向：积累项目经验后，可向技术团队负责人或项目经理发展
• 行业方向：在金融科技领域深耕，成为懂金融的AI专家，未来可转型产品经理或业务专家
• 参与金融科技中台系统建设，研发大模型和多智能体架构的智能化应用，推动AI在金融服务场景落地
• 负责AI需求分析、技术方案设计与核心模块开发，完成服务端功能的设计、编码、测试及性能优化
• 探索大模型关键技术应用，包括Prompt工程、RAG、Tool Calling等，推动AI在数据处理、风控等环节的落地
• 扎实的编程基础，掌握Python/Java/Go/C++等至少一种语言，熟悉算法与数据结构
• 了解Agent系统开发，熟悉LangChain、LLamaIndex、AutoGen等框架及其实现原理
• 熟悉Prompt工程、RAG、Tool Calling、Context Engineering等AI应用关键技术
• 具备跨系统工具集成能力，掌握OpenAPI、RPC、MCP等协议

申请策略

• 关注东方财富的业务动态和产品线，面试中展现对公司的了解
• 准备一个完整的AI项目案例，能够清晰阐述技术选型和实现细节
• 突出AI相关项目经验，如大模型应用、RAG系统、Agent开发等
• 强调编程能力，展示在Python/Java/Go等语言上的项目成果
• 如果有金融科技背景或相关实习，务必重点描述
• 展示对LangChain等框架的熟悉程度，最好有实际使用案例
• 深入学习LangChain、AutoGen等框架，动手搭建一个简单的Agent系统
• 补充金融基础知识，了解金融科技常见场景（如风控、量化交易）

面试指南

• 对于技术原理类问题，先给出定义，再结合实际场景说明应用，最后总结优缺点
• 对于系统设计类问题，先明确需求，再分模块设计，考虑扩展性、可用性、性能等
• 对于项目经验类问题，使用STAR法则（情境、任务、行动、结果）清晰描述
• 请解释RAG的工作原理及其在金融场景中的应用
• 如何设计一个高可用的多智能体系统？
• 你如何优化大模型推理的延迟？
• 描述一个你使用LangChain或类似框架的项目
• 金融科技系统对数据一致性要求很高，你如何保证？