DBS logo
星展银行
Applied AI Engineer / Architect

Applied AI Engineer / Architect

发布于 8 天前

高层管理(VP/总经理/CEO)

AI 估算 · 8.0–15.0万 · AI 参考估算
专家级经验
学历未注明
全职员工仅现场办公AI算法
AI算法
Agentic Ai
Crewai
Langgraph
Llm Architecture
Mcp
Multi-Agent Systems

值不值得投

81综合评分

综合评分 81

顶尖银行平台、前沿Agentic AI技术栈、高阶架构决策权,适合寻求技术深度与广度双重发展的资深专家

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

11.5万

比AI算法中位数高

发布情况

正常在招 · 8 天前发布

市场机会

选择不多

广州 · AI算法 · 6 个在招

职位详情

关于这个职位

作为星展银行广州DTC团队的AI技术负责人,你将主导Agentic AI架构设计与落地,指导团队进行LLM及多智能体系统开发

你需要结合深厚的后端工程能力,构建高并发、高可用的生产级服务,并推动AI技术在金融场景中的创新应用与工程卓越

最低要求

工作经验:约10年专业工作经验

AI领域专注:最近4-5年必须专门从事AI领域,在LLM和Agent技术方面有 proven track record(成功案例)
项目履历:至少3年动手参与AI相关经验,至少参与过3个真实世界的生产级部署项目
其中至少1个项目必须是复杂的多智能体(Multi-Agent)或Agentic Workflow项目
语言与核心后端:精通Python、高级asyncio和FastAPI,有设计高并发、高可用性后端架构的成功记录
AI与多智能体框架:熟练使用LangGraph, CrewAI, AutoGen, LangChain, LlamaIndex, Google ADK, Claude SDK等
LLM核心与协议:深入理解模型推理、Prompt Engineering、Tool/Function Calling、Model Context Protocol (MCP) 和 Agentic Workflows
DevOps与基础设施:具备分布式系统开发经验,建立/维护完整的CI/CD流水线,并使用Docker和OpenShift进行部署和运维

工作职责

Leadership & Stakeholder Management:

Leadership: 作为Agentic engineering的主题专家(SME),指导总体AI技术栈选择、系统架构设计和长期工程卓越性
User & Requirement Alignment: 与产品管理和最终用户紧密合作,将复杂的业务流程和用户需求转化为具体的多智能体需求
Team Mentorship: 指导和提升工程团队成员在LLM架构、提示工程、异步后端开发和AI工程最佳实践方面的技能
Multi-Agent & LLM Engineering:
Agent System Design: 从0到1设计和部署Agents
拥有架构设计、Tool/Function Calling实现、多Agent协作协议和复杂Workflow编排的责任
Framework Implementation: 利用LLM生态系统和SDKs,使用MCP和Agentic Workflows构建强大的企业级解决方案
AI Evaluation: 构建自动化评估管道,以验证非确定性代理行为,优化决策准确性
Backend & Distributed Systems Infrastructure:
Production Services: 架构、开发、测试和部署高并发、高可用性的生产级Web服务
独立完成后端服务基础设施
System Optimization: 构建和优化高性能分布式系统,推动整个技术栈的系统性能优化和工程卓越
DevOps & Deployment: 利用Docker和OpenShift等容器化技术完成应用程序的部署、扩展和日常运营

AI 洞察

优缺点分析

优点

  • 处于AI Agent技术最前沿,拥有极高的技术自主权和架构决策权
  • 跨国银行平台提供稳定的资源支持和全球视野
  • 适合拥有深厚后端功底且近期深耕AI Agent领域,具备技术领导力并能解决复杂系统架构问题的资深工程师

缺点 / 挑战

  • 对10年经验及3+生产级项目落地有硬性要求,需同时兼顾前沿AI探索与高可用后端工程的稳定性,压力较大

角色解读

  • 可向首席AI架构师、技术总监方向发展,或在金融科技领域成为Agentic AI领域的行业权威专家
  • 担任AI技术领域的Subject Matter Expert,负责从0到1设计并部署基于LLM的多智能体(Agentic)系统
  • 精通Python后端高并发架构,熟练掌握LangGraph/CrewAI等主流Agent框架,深入理解MCP协议及模型推理优化

申请策略

  • 准备详细的技术架构图解,展示如何平衡AI的非确定性与金融级系统的稳定性要求
  • 重点突出3个以上生产级AI/LLM项目,特别是涉及Multi-Agent协作、MCP协议应用及高并发后端设计的案例
  • 深化对LangGraph、CrewAI等最新Agent框架的理解,强化异步编程(asyncio)和高可用系统设计能力

面试指南

  • 采用STAR法则(情境、任务、行动、结果),重点阐述技术选型的权衡过程、架构设计的考量以及如何量化业务价值和技术指标
  • 请分享一个你从0到1构建的多智能体系统案例,遇到的最大挑战是什么?
  • 如何在金融场景下保证LLM应用的准确性和安全性?
  • 请解释MCP协议在多智能体协作中的作用及其实现细节
  • 如何设计高并发的异步后端服务以支撑AI推理请求?
  • 复习LLM推理优化、Agent编排模式、分布式系统一致性理论,并准备具体的代码或架构图示例

职位点评

薪资福利85
成长发展95
工作生活60
使命价值70

薪资福利

85较高

作为已上市跨国巨头的高阶专家岗,薪资水平预计处于市场中上至高位,福利体系完善,符合资深人才的补偿预期。

薪资信号未披露(AI估算:8.0千–15.0万/月)

成长发展

95较高

职位聚焦于Agentic AI这一前沿领域,提供架构决策权和团队指导机会,技术成长空间极大。

技术前沿前沿/新兴技术
技术栈Agentic engineering、LLM、Multi-Agent、LangGraph、CrewAI、AutoGen、MCP、FastAPI
成长机会Team Mentorship、Guide the overarching AI technology stack、engineering excellence
业务类型profit_center

工作生活

60中等

JD未明确提及弹性工作或远程政策,且为高阶管理/架构角色,通常意味着较高的工作投入和责任,WLB可能一般。

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

70中等

在金融行业推动AI技术创新,具有明确的商业价值和行业影响力,但社会公益属性相对较弱。

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
Watch Jobs