汇丰
Senior Consultant Specialist (AI Guardrail)
Senior Consultant Specialist (AI Guardrail)
发布于 大约 1 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
学历未注明
信息技术与基础设施
REST
Machine Learning
OpenTelemetry
gRPC
Llm-As-Judge
Ai Guardrail
AI 估算 · 25k–40k
广州高级AI工程师，汇丰银行外企福利好，但金融行业薪资略低于互联网，月薪25-40K合理。
职位详情
关于这个职位
该职位是汇丰银行CTO平台部门的高级顾问专家，专注于AI护栏（AI Guardrail）系统的设计与开发
你将负责构建策略和检测器的生命周期管理服务、设计检测编排模式（规则、ML模型、LLM判别）、实现评估工作流、治理和人工审核流程，以及AI可观测性
需要6年以上后端和云原生经验，熟悉Kubernetes/Docker，具备AI工程和评估能力
最低要求
高级后端和云原生经验：6年以上专业软件工程经验，其中4年以上专注于构建和运维分布式、云原生的后端服务和API（REST/gRPC）
高级系统设计和控制平面：有构建控制平面能力的经验，包括配置驱动系统、生命周期工作流和安全发布/回滚策略
实践AI工程和评估：有交付检测解决方案（如ML推理、LLM分类）的AI工程经验，理解模型/检测器评估，包括指标、监控和将结果转化为运营决策
生产运维和编排：有工作流编排（异步作业、操作管道）、生产故障排除（事件分类、根因分析）和可观测性实践（如OpenTelemetry）的经验
云和DevOps能力：精通云原生开发，使用Kubernetes/Docker在至少一个主流公有云（AWS/GCP/Azure）上，并具有使用多种数据存储（关系型/NoSQL）的经验
AI原生思维和领导力：表现出强烈的“AI原生”思维，利用AI工具（如编码助手）加速开发和提高质量，能够推动技术决策和最佳实践
工作职责
构建策略和检测器生命周期管理的控制平面服务（配置、版本控制、发布/回滚、启用/变更/弃用），并通过平台API暴露
设计和实现检测编排模式：基于规则的检查、ML模型推理、基于LLM的检测（如LLM-as-judge）和第三方检测API集成，具有一致的接口和治理控制
交付检测器的评估工作流（离线/在线），包括数据集管理钩子、评分、阈值、回归检查和有效性报告
实现治理和人工审核工作流：审批、审计追踪、可追溯性、审查队列和策略/检测器变更的异常处理
构建AI护栏的可观测性：检测器遥测、策略执行分析和运营仪表板/告警（如OpenTelemetry/OpenInference集成）
推动多租户平台能力（租户隔离、配额、配置边界），并改善内部团队的入职和可用性
AI 洞察
优缺点分析
优点
- 汇丰作为跨国银行，提供稳定的职业发展和国际化工作环境
- 混合办公模式带来一定灵活性，团队支持成长
- 金融行业合规要求严格，工作流程可能较冗长
- 需要同时掌握后端、云原生和AI多个领域知识，学习曲线陡峭
- 大型组织内部协调成本高，可能影响推进速度
- 适合有扎实后端和云原生经验、对AI安全感兴趣、希望在金融科技领域深入发展的工程师
缺点 / 挑战
- 身处AI安全治理前沿赛道，技术挑战大，技能积累价值高
角色解读
- 可向AI平台架构师或技术负责人方向发展，主导更大规模的AI基础设施
- 也可深入AI安全与治理领域，成为AI风险控制专家
- 在汇丰内部有跨部门轮岗和晋升机会，向管理岗或首席工程师发展
- 负责构建AI护栏系统的控制平面服务，管理策略和检测器的全生命周期
- 设计和实现多种检测编排模式，包括规则、ML模型推理和LLM判别，并集成第三方检测API
- 构建评估工作流和治理流程，确保AI系统安全合规，同时开发可观测性功能
- 年以上后端和云原生开发经验，精通Kubernetes/Docker和云平台（AWS/GCP/Azure）
- 扎实的AI工程能力，熟悉ML推理、LLM分类和模型评估方法
- 熟悉分布式系统设计、控制平面架构和工作流编排
- 具备AI原生思维，善于使用AI工具提升开发效率
申请策略
- 了解汇丰的AI战略和合规文化，面试中表现出对AI治理的兴趣
- 强调跨团队协作和推动技术决策的能力，展示领导力潜力
- 突出6年以上后端开发经验，特别是构建分布式云原生服务和API的案例
- 强调控制平面、生命周期管理、工作流编排等相关项目经验
- 展示AI工程实践经验，如ML推理、LLM应用或模型评估项目
- 提及云平台和容器化部署的熟练程度，最好有Kubernetes生产运维经历
- 如缺乏AI相关经验，可先补充LLM基础、模型评估方法（如准确率、召回率）
- 学习OpenTelemetry等可观测性工具，以及工作流引擎（如Airflow、Temporal）
面试指南
- 用STAR（情境-任务-行动-结果）方法描述项目经验
- 对于系统设计问题，先明确需求，再给出架构选型理由，最后谈权衡
- 评估类问题，从离线/在线、指标选择、阈值设定等角度系统回答
- 请描述你设计过一个控制平面或配置驱动系统的经验
- 你如何评估一个LLM-based检测器的效果？有哪些关键指标？
- 在一个分布式系统中，如何实现安全发布和回滚策略？
- 请举例你如何使用AI工具（如编码助手）提升开发效率
- 你如何处理多租户场景下的资源隔离和配额管理？
职位点评
69
综合评分
金融外企AI安全岗，技术前沿、成长空间大，但薪资和WLB中规中矩。
更适合这类人
适合以技能成长为首要目标、追求前沿技术栈的工程师，对薪资和WLB有中等期望即可。
表现最好
成长发展
相对薄弱
使命价值
薪资福利65
成长发展80
工作生活70
使命价值60
薪资福利
65中等
汇丰银行作为大型外企，薪资水平在广州属于中上，但具体未披露；福利制度完善（五险一金、补充医疗等），但JD中未明确提及。综合得分中等。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
80较高
该职位涉及前沿AI安全技术，使用LLM、ML等现代技术栈，能深度提升AI工程和系统设计能力。但JD未明确提及晋升通道或培训。
技术前沿前沿/新兴技术
技术栈AI Guardrail、LLM-as-judge、OpenTelemetry、Kubernetes、Cloud Native
业务类型ambiguous
工作生活
70中等
混合工作制提供一定灵活性，但JD未明确远程天数，也未提及WLB具体措施。广州办公楼位置未说明，但汇丰通常在市区。
工作模式混合式弹性办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
60中等
AI安全治理对社会有正向作用，但金融行业背景使其使命驱动感一般。行业稳定，创新水平高。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs