汇丰
Senior Consultant Specialist
Senior Consultant Specialist
发布于 9 小时前普通员工/个人贡献者
全职员工混合式弹性办公NLP工程
NLP工程
CI/CD
Go
Graph Rag
Llm
Rag
合规
混合搜索
值不值得投
59综合评分
综合评分 59
汇丰银行高级RAG架构师，技术前沿挑战大，混合办公有弹性，但薪资福利未明示，银行环境压力亦存。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 740 个在招
市场机会
选择不多
广州 · NLP工程 · 3 个在招
职位详情
关于这个职位
作为汇丰银行科技部门的高级顾问专家，您将负责设计和实现银行级的检索增强生成（RAG）系统后端架构与核心能力
工作内容涉及处理多模态数据、构建安全合规的检索与生成流程，并与基础设施、安全等团队协作，将先进的AI技术落地于复杂的银行IT系统
最低要求
计算机科学、软件工程或相关技术学科的学士或硕士学位
年以上后端工程经验
精通至少一种主流后端技术栈：Python（FastAPI）或Go
对核心RAG组件和模式有扎实的理解，包括分块、嵌入、混合搜索、重排序、上下文窗口管理、引文/归因和评估
拥有容器化和云原生工程（Docker, Kubernetes, CI/CD）的实践经验，并在生产环境中具有故障排除和性能调优的可靠记录
具备出色的沟通与协作能力，能在多维度约束（安全、合规、性能、成本）下交付成果
展示出AI原生思维，能够应用AI驱动的方法来提高生产力、质量和决策水平
工作职责
RAG后端架构与交付：设计并实现核心RAG后端能力，包括检索、重排序、上下文构建、提示编排、响应聚合、Graph RAG模式（实体/关系提取、图遍历、图上下文组装）以及代理搜索（多步查询规划、迭代检索、工具/函数调用）
构建多模态和多类型数据（文档、电子邮件、维基、图像、表格、日志、结构化源）的处理管道，包括提取/OCR、分块、增强、嵌入和带增量回滚的重索引
检索、排序与图推理优化：实现混合检索（BM25/向量/结构化过滤）、多级召回、重排序（交叉编码器/LLM）、去重/多样性控制以及基于图的检索策略，以提高相关性、可解释性和可追溯性
基于证据的回答生成：构建能够生成带有明确支持信息（引文、引用的证据片段和源元数据）的有根据的答案的工作流程，包括答案结构化、置信度/评分信号、拒绝/证据不足处理以及可追溯的“为何此答案”输出，以实现可审计性
安全与合规：实施访问控制（RBAC/ABAC）、数据分类与掩码、审计日志、加密和密钥管理
确保检索和生成流程符合银行级合规要求
数据治理与沿袭：执行数据所有权、分类、保留和访问策略
维护元数据标准、沿袭和出处（引文/归属），确保输出基于经批准的源数据
质量评估与持续改进：建立离线/在线评估（有根据性、忠实性、引文覆盖率、延迟），支持A/B测试和回归验证
跨团队协作：与AI基础设施、数据平台、信息安全及产品团队合作，将RAG能力落地到多个系统中，并持续演进平台
AI 洞察
优缺点分析
优点
- 平台起点高，能接触到银行级复杂系统、海量数据及严格的技术规范，工程化视野和能力能得到显著提升
- 在国际化金融机构中工作，有机会接触全球领先的技术理念和最佳实践，职业履历具有高认可度
- 岗位强调跨团队协作，能建立广泛的技术网络，了解大型组织内AI落地的全貌
- 银行环境对系统的稳定性、安全性和合规性要求极高，技术方案设计需权衡多重约束，可能限制技术选型的自由度
- 希望在大型金融机构中深耕AI基础设施与核心架构，对技术严谨性、系统稳定性和合规性有高追求，同时具备强大工程落地和跨团队协作能力的资深后端工程师
缺点 / 挑战
- 技术挑战前沿且深入，直接参与解决将生成式AI应用于高壁垒金融场景的核心技术难题，技术成长空间大
- 工作需要与安全、合规、产品等多个部门协调，对沟通和推动能力要求较高，可能面临决策流程较长的情况
- 作为高级专家，需对复杂系统的整体设计和长期演进负责，工作压力和责任相对较大
角色解读
- 技术专家路线：深耕AI与金融科技交叉领域，成为RAG、图计算、可信AI等特定方向的内部权威或架构师
- 技术管理路线：凭借出色的技术能力和协作能力，领导AI平台团队或专项小组，负责更大规模的技术规划和团队管理
- 行业应用专家：将AI技术与银行具体业务场景深度结合，转型为业务与技术融合的解决方案专家或创新负责人
- 设计并实现银行级RAG系统的核心后端能力，包括多模态数据处理、智能检索和可解释的回答生成
- 专注于解决在复杂、受监管的金融IT环境中部署AI模型的技术挑战，确保系统安全、合规且高性能
- 与基础设施、安全、数据等跨职能团队紧密协作，推动AI能力在全行范围内的落地与演进
- 负责建立AI系统的质量评估体系和持续改进机制，确保输出结果的可靠性和可信度
- 扎实的后端工程能力，精通Python (FastAPI) 或 Go，并能进行生产环境的性能调优与故障排查
- 深入理解RAG技术栈，包括分块、嵌入、混合检索、重排序、引文管理等核心组件的设计与实现
- 具备云原生和容器化技术（Docker, Kubernetes）的实践经验，能够构建可扩展的AI系统
- 熟悉银行级安全与合规要求（如RBAC、数据脱敏、审计日志），并能将其融入技术设计中
- 拥有出色的沟通与协作能力，能在安全、合规、性能和成本等多重约束下推动项目落地
申请策略
- 研究汇丰银行的科技战略、近期在AI和金融科技方面的公开报道或案例，思考自己的技术背景如何与之契合
- 在面试中，除了展示技术深度，可主动阐述如何平衡创新（如引入新AI技术）与银行稳定性、安全性需求之间的思考
- 关注岗位描述中“AI-native mindset”的要求，在面试中通过具体事例说明你如何主动利用AI工具或方法改进工作流程与效率
- 重点突出5年以上后端开发经验，特别是在Python/Go技术栈下设计和实现复杂分布式系统的项目
- 详细描述在RAG、搜索引擎、推荐系统或任何涉及大规模数据检索、处理与生成领域的具体实践和成果
- 列举使用Docker、Kubernetes、CI/CD工具链构建、部署和维护生产环境应用的经验
- 若有在金融、医疗等高合规性行业的项目经验，或参与过涉及数据安全、审计、权限控制的系统开发，务必着重强调
- 系统性学习和实践最新的RAG技术范式，如Graph RAG、Agentic RAG，并关注评估方法论（如faithfulness、groundedness）
面试指南
- 对于系统设计类问题，采用‘背景-目标-设计-细节-权衡-结果’的框架
- 先简述业务/技术背景与目标，再介绍整体架构和关键组件（如检索、生成、评估模块），接着深入1-2个有亮点的技术细节，然后坦诚讨论设计中的权衡（如性能 vs 成本，创新 vs 稳定），最后说明可衡量的结果或学习
- 对于合规与安全类问题，采用‘识别风险-设计控制-技术实现-验证度量’的框架
- 先明确金融场景下的特定风险（如数据泄露、误操作、审计需求），然后提出分层的控制措施（如RBAC、数据脱敏、加密），再说明具体的技术实现方案（如使用哪些库或云服务），最后提及如何通过日志、监控或测试来验证控制措施的有效性
- 对于协作与沟通类问题，采用‘STAR法则’（情境、任务、行动、结果），重点突出在复杂约束下，你如何理解各方诉求、推动共识、解决冲突并最终达成目标的过程
- 请描述一个你设计或优化过的RAG系统或类似信息检索生成系统的架构，重点说明你是如何确保答案的‘有根据性’（groundedness）和‘可追溯性’（traceability）的？
- 在金融行业这样一个高合规、高安全的场景下，设计RAG系统时，在访问控制、数据分类和审计日志方面需要考虑哪些独特的挑战？你会如何设计来应对？
- 如何评估一个RAG系统的效果？请介绍你会设定哪些关键指标，以及如何设计线上A/B测试和线下回归验证的流程？
职位点评
薪资福利50
成长发展88
工作生活65
使命价值72
薪资福利
50较低
JD中未明确披露薪资及具体的福利待遇，补偿性动机满足程度难以评估。作为已上市跨国巨头企业的技术岗位，市场竞争力通常处于中上水平，但缺乏直接证据。
薪资信号未披露
成长发展
88较高
该职位涉及RAG、图AI等前沿技术在高壁垒金融场景的落地，技术挑战深度和广度兼具，能为求职者提供顶尖的技术实践和成长平台。公司提供了持续职业发展的承诺。
技术前沿前沿/新兴技术
技术栈RAG、Graph RAG、LLM、FastAPI、Go、Kubernetes、Docker
成长机会continuous professional development、opportunities to grow within an inclusive and diverse environment
业务类型ambiguous
工作生活
65中等
工作模式明确为混合办公（Hybrid Worker），提供了一定的灵活性。但作为银行核心科技岗，且涉及系统安全与交付，实际工作强度和压力可能较大，WLB信号未明确提及。
工作模式混合式弹性办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
72中等
将前沿AI技术应用于银行业务，具有提升金融服务效率与质量的潜在社会价值。但身处大型传统金融机构，创新可能受限于内部流程和合规要求。
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
汇丰 的其他在招职位
相似职位推荐
Watch Jobs