汇丰
Senior Software Engineer
Senior Software Engineer
发布于 2 小时前普通员工/个人贡献者
全职员工混合式弹性办公后端开发
后端开发
CI/CD
Go
Graph Rag
Llm
Rag
混合检索
值不值得投
80综合评分
综合评分 80
外资银行前沿AI后端岗，技术栈新、成长空间大、支持混合办公，薪资福利具竞争力。
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。
薪资怎么样
3.5万
比后端开发中位数低
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 660 个在招 · 其中后端开发 22 个
市场机会
选择面较广
广州 · 后端开发 · 90 个在招
职位详情
关于这个职位
该职位主要负责RAG（检索增强生成）系统的后端开发与交付，包括构建多模态数据处理管道、优化检索与排序算法、以及实现基于证据的生成工作流
你需要与AI基础设施、数据平台等跨部门团队合作，确保系统的安全性、合规性及高质量输出
最低要求
计算机科学、软件工程或相关技术专业的本科或硕士学历
年以上后端工程经验
熟练掌握至少一种主流后端技术栈：Python (FastAPI) 或 Go
熟悉核心RAG组件和模式，包括分块、嵌入、混合搜索、重排序、上下文窗口管理、引用/归属和评估
具备容器化和云原生工程（Docker, Kubernetes, CI/CD）的实践经验或高度熟悉
能够在指导下支持故障排除和性能优化任务
具备较强的沟通和协作能力，能够在紧迫的时间节点内交付成果
工作职责
RAG后端开发与交付（包括Graph RAG和智能体搜索）：参与构建RAG后端能力，包括检索、重排序、上下文构建、提示编排和响应聚合
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、结构化数据源）的处理管道，包括提取/OCR、分块、数据丰富、嵌入以及支持回滚的增量重新索引
检索、排序与图推理优化：实现混合检索（BM25/向量/结构化过滤器）、多阶段召回、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
基于证据的受支持答案生成：构建生成工作流，生成带有明确支持（引用、引用证据片段和源元数据）的基于证据的答案，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“为什么是这个答案”输出以供审计
安全与合规：实施和维护安全控制，如访问控制（RBAC/ABAC）、数据分类/掩码、审计日志、加密和密钥管理
与高级工程师和合规合作伙伴合作，确保检索和生成流程符合银行级要求
数据治理与血缘：在日常开发中支持数据所有权、分类、保留和访问策略
帮助维护元数据和基本血缘/来源（如引用/归属），以便输出基于批准的来源
质量评估与持续改进：建立离线/在线评估（基于证据性、忠实度、引用覆盖率、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、信息安全和产品团队合作，在多个系统中落地RAG能力并持续演进平台
优先资格
了解Graph RAG模式（如实体/关系提取、基本图遍历）和智能体搜索概念（如多步检索、工具/函数调用）
AI 洞察
优缺点分析
优点
- 处于AI与金融结合的前沿领域（RAG/Graph RAG），技术栈先进
- 外资银行平台，注重合规与数据治理，能培养严谨的工程素养
- 提供混合办公和多元化包容的文化
- 银行级系统对安全、合规和稳定性要求极高，开发流程可能较为严格和繁琐
- RAG技术迭代快，需要持续学习最新的图检索和智能体搜索技术
- 具备扎实后端基础，对AI大模型应用（特别是RAG）有浓厚兴趣，且希望在金融科技领域长期发展的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向AI架构师、AI技术专家或技术管理方向发展
- 在金融科技与AI结合的领域积累深厚的业务与技术壁垒
- 负责RAG（检索增强生成）系统的后端架构与开发，构建多模态数据处理管道
- 优化检索、排序与图推理算法，确保AI生成内容的准确性、可追溯性与合规性
- 精通Python(FastAPI)或Go等后端语言，熟悉RAG核心组件（分块、嵌入、混合搜索、重排序）
- 具备云原生工程经验（Docker/K8s），了解大模型应用的安全与数据治理
申请策略
- 了解汇丰的数字化转型战略及CTO Platforms团队的业务目标，展现对金融级AI应用落地的理解
- 突出RAG系统开发经验，特别是检索优化、重排序和上下文构建的实际项目
- 强调云原生部署经验及处理多模态数据管道的能力
- 深入学习Graph RAG和Agentic Search的最新论文与开源实现
- 熟悉金融领域的数据安全与合规标准
面试指南
- 采用STAR法则，结合具体项目背景、技术方案、遇到的挑战及最终的业务收益进行回答
- 强调对“准确性”和“可追溯性”的重视
- 请详细描述你参与过的RAG系统架构，以及如何优化检索和重排序的准确率？
- 在处理多模态数据时，你是如何设计分块和嵌入管道的？
- 在银行级应用中，如何确保AI生成内容的安全性和合规性？
- 你如何看待Graph RAG与传统向量检索的区别及应用场景？
- 复习RAG、向量数据库、混合检索（BM25+Vector）的底层原理
- 了解汇丰近期的AI战略和金融科技趋势
职位点评
薪资福利80
成长发展85
工作生活80
使命价值70
薪资福利
80较高
外资银行背景，薪资福利体系完善，提供具有市场竞争力的薪酬及混合办公模式。
薪资信号未披露（AI估算：2.5千–4.5万/月）
福利待遇flexible working、continuous professional development
成长发展
85较高
接触前沿的RAG、Graph RAG及智能体搜索技术，处于AI应用落地的核心领域，技术成长空间大。
技术前沿前沿/新兴技术
技术栈RAG、Graph RAG、Agentic search、Python、FastAPI、Go、Docker、Kubernetes、LLM
成长机会continuous professional development
业务类型ambiguous
工作生活
80较高
明确提供混合办公模式（Hybrid Worker），外资企业文化通常注重工作生活平衡。
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）
工作生活平衡flexible working
使命价值
70中等
推动金融行业的AI数字化转型，提升金融服务效率，具有一定的社会价值。
行业发展高速增长赛道
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