Millennium
AI Engineer
AI Engineer
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Ai Agents
Api
Automation
Cloud
Llm
Machine Learning
值不值得投
80综合评分
综合评分 80
顶尖金融机构AI岗，技术前沿且薪资偏高，业务成长空间大，但工作节奏可能较快。
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
4.5万
比人工智能中位数高
发布情况
新岗位 · 今天发布
公司情况
公司还在招多个职位
3 个在招
市场机会
选择面较广
上海 · 人工智能 · 约 330 个在招
职位详情
关于这个职位
该职位负责为投资团队设计和构建AI代理及自动化工作流，将新兴AI技术转化为可靠的研究产品
你需要与投资组合经理紧密合作，从问题定义到部署评估，端到端负责AI项目，提升公司研究、市场监控和投资决策的效率
最低要求
计算机科学、人工智能、软件工程或相关技术领域的学士、硕士或博士学位
-3年AI工程、机器学习工程、软件工程或相关岗位的全职专业工作经验
精通至少一种现代编程语言的强大软件工程技能
熟悉API、数据库、数据管道和基于云的开发环境
具有使用LLM、AI代理、工具使用系统、自动化框架或开源AI项目构建项目的实践经验
能够将模糊的用户需求转化为可工作的产品，并交付从初始原型到部署和改进的项目
能够快速探索不熟悉的技术，同时保持良好的测试、可靠性和文档标准
对新的AI模型、GitHub项目、研究论文和开发者社区有浓厚兴趣
具备清晰的沟通技巧，英语和普通话流利
对投资、公司和行业研究感兴趣
有投资或金融经验者优先，但非必须
工作职责
设计、构建和维护用于公司研究、行业分析、收益、市场监控和事件驱动工作的AI代理和自动化工作流
开发连接内部知识、公共信息、文档、数据、API和分析系统的工具
为研究用例构建可靠的多源数据和文档工作流，包括摄取、转换、质量检查和结构化输出
评估新模型、开发者工具和开源项目，并快速测试有前景的方法，如LLM Wiki风格的知识系统和基于循环的工程工作流
将新兴的AI能力转化为有用的研究产品，而不是独立的演示
与投资用户合作定义需求、沟通权衡，并根据证据和反馈进行迭代
建立涵盖准确性、来源质量、实用性、可靠性、延迟和成本的评估框架
改进工具、文档和可重用组件，以减少手动工作并支持团队内的持久采用
优先资格
在领先的AI公司、基础模型公司、AI开发者平台业务或以代理为重点的公司/初创公司的工作经验
具有构建和运行代理系统、多步工作流或真实用户使用的AI产品的经验
熟悉文档处理、浏览器自动化、检索和知识系统、数据可视化、模型评估或实时数据系统
通过有意义的生产项目、研究或开源贡献证明技术深度的证据
AI 洞察
优缺点分析
优点
- 与优秀的投资专业人士合作，能大幅拓宽对金融和业务的认知边界，提升个人综合竞争力
- 金融领域对AI工具的准确性、可靠性和延迟要求极高，将前沿技术转化为稳定生产环境的产品难度大
- 需要快速学习不断迭代的AI新技术，并在追求创新与保证金融级可靠性之间取得平衡
- 具备扎实工程能力、对AI新技术充满热情，且希望将AI技术应用于金融投资领域的求职者
缺点 / 挑战
- 身处全球顶尖另类投资机构，接触前沿AI技术在金融领域的落地应用，技术栈新且极具挑战性
角色解读
- 从AI工程师成长为AI技术专家或AI产品负责人，深入理解金融投资业务
- 未来可向AI架构师或量化研究技术主管方向发展，成为懂业务的复合型技术人才
- 为投资团队设计和开发AI代理及自动化工作流，将前沿AI技术转化为实际的研究和投资决策工具
- 与投资组合经理紧密合作，端到端负责从需求定义、原型开发到部署评估的AI项目
- 扎实的软件工程能力，精通至少一种现代编程语言，熟悉API、数据库和云环境
- 具备LLM、AI Agent及自动化工具的实战经验，能快速将模糊需求转化为可靠的产品
申请策略
- 在面试中展现对新兴AI技术的敏锐度，以及如何在“追求新技术”与“保证金融级可靠性”之间取得平衡的思考
- 突出在LLM、AI Agent、自动化工作流方面的实际项目经验，特别是从原型到生产部署的完整经历
- 强调解决模糊需求的能力以及在准确性、可靠性方面的工程实践和评估框架设计经验
- 深入了解金融研究、行业分析的基本逻辑，补充文档处理、检索增强生成（RAG）及模型评估框架的相关知识
- 熟悉多源数据接入与清洗流程，提升构建高可靠性数据管道的能力
面试指南
- 采用STAR法则描述项目，重点突出“问题定义-技术选型-工程实现-效果评估”的闭环
- 在回答可靠性问题时，强调测试框架、数据质量检查、幻觉控制和持续监控机制
- 请分享一个你从零到一构建AI Agent或自动化工作流的项目，遇到了哪些挑战？
- 如何评估一个LLM应用在实际业务中的准确性和可靠性？
- 当投资团队提出一个模糊的AI需求时，你如何将其转化为可落地的技术方案？
- 你如何看待当前AI技术在金融研究中的局限性？
- 准备1-2个能体现你技术深度和工程严谨性的核心项目案例，特别是涉及复杂工作流和评估指标的项目
- 了解Millennium的投资理念及AI在基本面股票研究中的潜在应用场景，思考AI如何赋能传统投研
职位点评
薪资福利85
成长发展90
工作生活60
使命价值75
薪资福利
85较高
顶尖金融机构的AI岗位，薪资水平处于市场前列，且公司盈利能力极强，整体薪酬福利具有显著竞争力。
薪资信号偏高 (3千–6万/月)
成长发展
90较高
处于AI技术落地金融的最前沿，能接触到最新的LLM和Agent技术，与顶尖投资团队合作，技术和业务双重成长空间巨大。
技术前沿前沿/新兴技术
技术栈LLM、AI Agents、Automation Frameworks、API、Data Pipelines
业务类型profit_center
工作生活
60中等
金融行业的AI岗位通常节奏较快，对交付质量和可靠性要求高，WLB可能受限，但具体办公模式未明确说明。
工作模式未明确
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
75中等
推动AI技术在金融投资领域的创新应用，提升研究效率和决策质量，具有较高的行业影响力和技术使命感。
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
Millennium 的其他在招职位
相似职位推荐
Watch Jobs