道富公司
Data Platform Engineer officer
Data Platform Engineer officer
发布于 2 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
Agentic Ai
Agentops
Autogen
Genai
Langgraph
Llm
Rag
值不值得投
79综合评分
综合评分 79
高级AI工程岗，技术栈前沿、成长空间大、福利完善，适合追求技术深度与平台稳定性的候选人。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
4万
比人工智能中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
45 个在招 · 其中人工智能 3 个
市场机会
选择面较广
杭州 · 人工智能 · 约 420 个在招
职位详情
关于这个职位
该职位负责设计、构建和部署生产级的智能体（Agentic AI）应用及平台能力，利用大语言模型和RAG技术优化企业工作流
你需要与跨职能团队合作，将业务需求转化为可靠的AI解决方案，并指导初级工程师
最低要求
计算机科学、人工智能、机器学习、软件工程、数据工程或相关专业的本科或硕士学历
年以上软件工程、AI工程、机器学习工程、数据工程或相关岗位的工作经验
精通Python及现代软件开发、测试、版本控制和代码审查实践
具备使用LangGraph、AutoGen、CrewAI、Semantic Kernel、Google ADK或类似技术构建GenAI或智能体AI解决方案的实际经验
具备使用GPT、Gemini、Claude、Llama或类似基础模型的经验
具备实施RAG、嵌入、向量搜索、提示词工程、结构化输出、工具调用、记忆和智能体工作流的经验
具备开发API、微服务、事件驱动服务和云原生应用的经验
具备在AWS、Google Cloud Platform和/或Microsoft Azure上部署解决方案的经验
熟悉Kubernetes、容器、CI/CD、可观测性和基础设施自动化
理解数据工程、分布式处理、Lakehouse技术、元数据、数据治理和知识管理
具备使用GitHub Copilot、Gemini Code Assist、Claude Code、Cursor或类似AI辅助开发工具的经验，同时保持代码质量、安全和治理标准
能够在跨职能团队环境中独立工作、管理分配的交付物并满足截止日期
了解负责任的AI、安全控制、模型评估和生产支持实践
工作职责
设计、构建、测试、部署和支持生产级的智能体AI应用和服务
使用大语言模型、智能体框架、编排工作流、记忆、工具调用和人机协同模式开发智能体
构建和优化检索增强生成（RAG）管道，使用嵌入、向量数据库、语义和混合搜索、元数据及企业内容源
将智能体与企业API、数据库、数据平台、工作流工具和业务应用集成
开发可重用的服务、库、模板和工程加速器，提高AI解决方案交付的速度和一致性
实施提示词和智能体评估、护栏、监控、可观测性、追踪、可靠性控制和成本管理实践
参与CI/CD、自动化测试、AgentOps、LLMOps、安全扫描和生产就绪活动
与平台和数据工程团队合作，将智能体AI能力与云、Lakehouse、知识和数据服务集成
与产品负责人、业务用户、架构师、治理团队和安全合作伙伴合作，将需求转化为实际解决方案
参与设计和代码审查，记录技术决策，并为平台标准和参考实现做出贡献
指导经验较少的工程师，并在团队内分享工程实践
优先资格
具有金融服务、投资管理或企业平台经验者优先，但非必需
拥有相关的云、AI、数据或软件工程认证者优先，但非必需
AI 洞察
优缺点分析
优点
- 处于Agentic AI和GenAI技术前沿，能接触到最新的LLM和智能体框架
- 道富作为全球领先的金融科技公司，提供企业级复杂场景的落地机会，技术含金量高
- 外企文化注重员工关怀，提供灵活的工作生活支持和包容性的发展机会
- 智能体AI技术迭代极快，需要持续学习新框架和模型，保持技术敏锐度
- 企业级AI应用对安全性、可靠性和成本控制要求极高，工程落地和合规难度大
- 适合具备扎实软件工程基础、对大模型和智能体技术有热情，且希望在金融科技领域深耕的高级AI工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 从高级AI工程师向Agentic AI架构师或AI工程团队负责人发展
- 在金融科技与AI结合的领域积累深厚经验，成为企业级AI应用落地的核心专家
- 设计和开发基于大语言模型的智能体（Agentic AI）应用，构建RAG管道和可复用的平台组件
- 将业务需求转化为可靠的AI解决方案，并负责从设计到生产部署的全生命周期
- 与跨职能团队合作，集成企业级API、数据平台和工作流工具，指导初级工程师
- 精通Python及现代软件工程实践，熟练掌握LangGraph、AutoGen等智能体框架及RAG技术
- 具备云原生应用开发经验，熟悉AWS/GCP/Azure及Kubernetes等基础设施
- 掌握AgentOps和LLMOps，具备智能体评估、护栏设计和成本优化的工程落地能力
申请策略
- 了解道富在投资管理和数据运营方面的业务背景，思考AI如何赋能这些具体场景
- 准备好展示你如何在保证代码质量、安全和治理标准的前提下使用AI辅助开发工具
- 突出在GenAI/Agentic AI项目中的实际落地经验，特别是RAG管道构建和智能体框架的使用
- 强调云原生部署、CI/CD及LLMOps/AgentOps的实践经验，展示生产级系统的交付能力
- 体现跨团队协作能力，以及如何将复杂的业务需求转化为技术设计的案例
- 深入学习AgentOps和LLMOps，掌握智能体评估、护栏设计和成本优化策略
- 熟悉金融或企业级数据治理、Lakehouse技术，了解企业级数据平台的运作模式
面试指南
- 采用STAR法则，重点突出“业务痛点-技术选型-工程实现-生产效果”
- 在回答技术问题时，强调“可靠性、安全性、可扩展性”等企业级考量，而不仅仅是功能实现
- 请描述一个你从零构建的Agentic AI或RAG项目，遇到了哪些工程挑战？
- 如何评估智能体的输出质量并实施有效的护栏（Guardrails）？
- 在将LLM应用集成到企业现有API和数据平台时，你如何处理延迟和成本问题？
- 谈谈你对AgentOps和LLMOps的理解，如何监控和追踪生产环境中的智能体？
- 复习LangGraph、AutoGen等框架的核心概念及RAG的优化技巧（如混合搜索、重排序）
- 了解道富的业务模式及金融行业对AI合规、数据安全的要求，准备相关的业务思考
职位点评
薪资福利80
成长发展85
工作生活75
使命价值70
薪资福利
80较高
提供具有市场竞争力的薪酬和灵活的工作生活支持，福利体系完善。
薪资信号未披露（AI估算：3千–5万/月）
福利待遇flexible work-life support、paid volunteer days
成长发展
85较高
岗位处于Agentic AI技术最前沿，能深度参与企业级AI平台建设和智能体开发，技术成长空间巨大。
技术前沿前沿/新兴技术
技术栈Agentic AI、LLM、RAG、LangGraph、AutoGen、AgentOps、LLMOps、Python、Kubernetes
成长机会inclusive development opportunities、Mentor less-experienced engineers
业务类型profit_center
工作生活
75中等
公司提供灵活的工作与生活支持，注重员工关怀，但具体办公模式在JD中未明确说明。
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）
工作生活平衡flexible work-life support
使命价值
70中等
推动AI技术在金融投资领域的落地，提升企业生产力和工作流自动化，具有较高的行业应用价值。
行业发展高速增长赛道
社会影响中性/一般
使命信号drive performance and profitability、improve productivity
创新程度积极采用新技术
道富公司 的其他在招职位
相似职位推荐
Watch Jobs