汇丰
Associate Director, Software Engineering
Associate Director, Software Engineering
发布于 2 小时前中层管理(经理/总监)
全职员工混合式弹性办公机器学习工程
机器学习工程
Agentic Ai
CI/CD
Llm
Rag
向量数据库
技术领导力
机器学习
深度学习
知识检索
值不值得投
薪资怎么样
4.0万
比机器学习工程中位数高
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 760 个在招
市场机会
选择适中
西安 · 机器学习工程 · 19 个在招
职位详情
关于这个职位
该岗位隶属于汇丰国际财富与个人银行（IWPB）科技团队，负责主导 AI/ML 技术在 CEAIA 平台上的评估与落地，重点方向包括 LLM、Agentic AI、RAG 与知识管理
你将统筹从技术预研、原型验证到服务端到端交付的全过程，并为工程师团队提供技术领导与工程规范建设
最低要求
计算机科学、人工智能、机器学习、数据科学、工程或相关专业本科或硕士学历
年以上相关技术经验，在 AI、机器学习、数据及企业级技术解决方案方面具备扎实的动手交付经验
具备出色的利益相关方管理能力
深入理解 LLM 与基于智能体（Agent）的解决方案设计，包括提示工程（Prompt Engineering）、Agentic RAG、知识检索、记忆设计与编排模式
具备为结构化与非结构化内容构建或改进知识管理与知识库解决方案的经验，涵盖文档解析、索引、检索与搜索优化
对机器学习与深度学习技术有良好理解，如模型训练、微调、多模态 AI、计算机视觉、NLP 或语音相关应用
具备现代 AI 与工程生态的使用经验，如开源 AI 框架、向量数据库、API，以及 AWS、Azure 或 GCP 等云平台
具备扎实的软件工程素养，包括测试、CI/CD、性能优化、可观测性以及生产环境支持相关考量
具备较强的英语口头与书面沟通能力，能够在多站点、跨职能团队以及不同业务与技术部门之间高效协作
具备与跨区域、跨职能利益相关方协作的成熟能力，能够协调多样化的需求，并在复杂的企业环境中推动交付
工作职责
主导 CEAIA 相关 AI 与机器学习技术的评估与引入，重点关注 LLM、Agentic AI、RAG、知识管理以及新兴工程模式
推动技术研究、概念验证（PoC）开发与原型交付，以验证新想法并加速平台演进
对服务的端到端交付负责，确保解决方案与集团方向一致，并满足非功能性需求（NFR）与质量期望
与开发团队协作，细化解决方案细节、解决技术阻塞问题，并在整个交付生命周期中支持高质量实现
参与知识库、检索、记忆、编排与搜索能力的设计与改进，提升 CEAIA 平台的整体效能
在评估、测试、CI/CD、可观测性与运维就绪度等方面，为 AI 赋能型解决方案建立良好的工程实践
与业务、产品、架构与技术团队的利益相关方合作，识别机会、评估可行性并确定高价值创新领域的优先级
跨多个站点与不同部门协作，推动目标一致、交付进展与技术一致性
为工程师提供技术领导与实战指导，帮助提升团队整体的 AI 工程水平
AI 洞察
优缺点分析
优点
- 技术方向前沿，直接围绕 LLM、Agentic AI、RAG 等当下最热的企业级 AI 主题开展工作，技术积累可迁移性强
- 跨国金融机构的多站点协作环境，可积累复杂企业架构、合规与技术治理经验，英语工作环境有助于国际化发展
- 官方信息显示为混合办公（Hybrid），并提供灵活办公与持续职业发展的表述
- 跨国企业多站点、多部门协作，决策链条较长，推动技术落地需要较强的沟通与协调耐力
- 金融行业对非功能性需求、可观测性、生产稳定性与合规要求严格，交付节奏受治理流程约束
- 适合有十年以上工程与 AI 落地经验、既能做技术决策又善于跨部门推动的资深技术负责人
- 如果你偏好纯编码、轻协作的工作方式，则需谨慎考虑
缺点 / 挑战
- 岗位层级较高，具备端到端交付责任与技术领导权，有利于构建完整的平台建设与技术决策履历
- 要求十年以上经验且横跨 AI、数据与企业级技术，并需同时具备技术深度与利益相关方管理能力，门槛较高
角色解读
- 横向拓展：从单一平台技术负责人成长为覆盖多条 AI 产品线的技术架构或技术总监角色
- 纵深发展：在 Agentic AI、知识工程、检索增强生成等方向沉淀方法论，成为企业级 AI 平台专家
- 管理路径：随着团队规模扩大，转向工程经理/部门负责人，承担人员与预算管理职责
- 主导企业级 AI 平台（CEAIA）的技术选型与落地，围绕 LLM、Agentic AI、RAG、知识管理与检索编排等方向开展技术预研与原型验证
- 对服务端到端交付负责，协调开发团队细化方案、解决技术阻塞，确保非功能性需求与质量目标达成
- 与业务、产品、架构及多地技术团队对接，识别高价值创新场景并推动跨站点协同交付
- 为工程师提供技术领导与实战指导，建立评估、测试、CI/CD、可观测性等工程实践标准
- 深入理解 LLM 与 Agent 方案设计，包括提示工程、Agentic RAG、知识检索、记忆设计与编排模式
- 扎实的机器学习/深度学习基础，熟悉模型训练、微调、多模态、NLP 或语音等应用场景
- 熟练使用现代 AI 工程生态，如开源 AI 框架、向量数据库、API 及 AWS/Azure/GCP 云平台
- 过硬的软件工程素养与跨区域、跨职能的利益相关方沟通协调能力，英语可作为工作语言
申请策略
- 提前了解汇丰 IWPB（国际财富与个人银行）业务与科技团队的公开信息，理解 CEAIA 平台可能服务的业务场景
- 在沟通中主动确认岗位的实际汇报关系、团队规模与办公安排，判断与自身管理预期的匹配度
- 突出 LLM/Agentic AI 相关项目的端到端落地案例，写清业务场景、架构方案、技术选型与量化结果
- 展示知识库、检索与搜索优化方向的实践，如文档解析、索引设计、召回与排序优化
- 强调跨团队、跨地域的协作与利益相关方管理经验，例如统筹多地开发团队完成平台交付
- 体现工程规范建设能力，如 CI/CD 体系、测试策略、可观测性与生产支持机制的搭建
- 系统梳理 Agentic RAG、记忆机制与编排框架的实践方案，准备可复现的技术 Demo 或设计文档
- 补强云平台上的 AI 工程能力（如 AWS/Azure/GCP 的托管模型服务、向量检索服务）与成本/性能优化经验
面试指南
- 用「背景—目标—方案—取舍—结果」的结构讲项目，重点说明技术选型理由、遇到的阻塞以及量化收益
- 涉及协作类问题时，先讲清干系人地图与诉求差异，再说明对齐机制（评审、文档、指标）与最终决策路径
- 涉及工程治理问题时，从质量维度（测试、评估）、效率维度（CI/CD）与稳定性维度（可观测性、应急）分层回答
- 请介绍一个你主导的 LLM/Agentic AI 方案从概念验证到生产落地的完整案例，如何评估效果与风险？
- 在设计企业级知识库与检索系统时，你如何处理结构化与非结构化内容的解析、索引与召回质量？
- 当业务方、架构团队与多地开发团队对方案存在分歧时，你如何推动达成一致并保证交付？
- 你如何为 AI 赋能的服务建立测试、CI/CD、可观测性与生产运维体系？
- 你如何带领和培养工程师团队，提升整体的 AI 工程能力？
汇丰 的其他在招职位
相似职位推荐
Watch Jobs