蚂蚁集团
蚂蚁集团-Agent研发工程师（金融智能方向）-财富
蚂蚁集团-Agent研发工程师（金融智能方向）-财富
发布于 4 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
JavaScript
Llm
Prompt Engineering
Rag
投研系统
值不值得投
78综合评分
综合评分 78
蚂蚁集团核心AI研发岗，聚焦大模型与Agent在金融投研场景的前沿落地，技术成长空间大，薪资竞争力强。
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
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
这家公司招聘很活跃
约 760 个在招 · 其中人工智能 40 个
市场机会
选择面较广
杭州 · 人工智能 · 约 410 个在招
职位详情
关于这个职位
该职位负责金融投研类Agent应用的技术选型与架构设计，核心工作包括提示工程、RAG流程构建、上下文管理及工具集成
你需要开发支撑智能体运行的后端微服务，将大模型技术深度融入金融研究场景，打造智能化的投研分析系统
最低要求
本科及以上学历，计算机相关专业，具备扎实的计算机基础
AI 编程工具深度使用经验
熟练使用 Cursor、CC、Codex 等 AI 编程工具，具备良好的 Prompt 编写与调优能力
能够借助 AI 完成需求拆解、编码、调试与测试，并对生成代码的正确性和可维护性负责
大模型能力理解与应用
理解主流 LLM 的能力与局限，能够合理拆解任务，结合大模型与确定性逻辑实现可靠的解决方案
理解流行Harness框架的架构设计、Context Engineering、Prompt Engineering等应用范式，了解大模型幻觉、Prompt 注入等问题的基本应对思路
扎实的代码与工程基础
熟练掌握至少一种主流编程语言，如 Python、Java、JavaScript／TypeScript 等，具备良好的编程习惯、调试能力与软件工程意识，能够根据场景学习并使用合适的技术方案
传统投研系统研发经验
对传统金融机构所涉及的典型系统，包括不限于资产管理系统、投研系统、风控系统、因子研发、量化策略研发、回测引擎、高频交易系统等有相关建设研发经验
工作职责
负责面向投研类Agent应用的技术选型和系统架构设计，确保系统的高性能、可扩展性和可维护性
提示工程（Prompt Engineering）： 深入实践和领导提示工程，设计、测试和迭代优化复杂的 Prompt 链，以实现精确、可靠的 Agent 行为
检索增强生成（RAG）： 负责设计、构建和调优 RAG 流程
这包括但不限于：数据源接入、文档智能处理（切块、清洗）、向量化、混合检索策略以及检索结果的重排（Re-ranking）
上下文工程（Context Engineering）： 设计高效的对话管理和上下文控制策略
您需要管理长短期记忆，优化上下文窗口（Context Window）的使用效率，确保智能体在复杂的多轮对话和长任务流中保持连贯性和准确性
工具与集成（Tool-using / Function Calling）： 构建和维护智能体与外部工具、API 和数据源（如数据库、企业内部系统）的集成能力，使 Agent 能够执行实际操作
评估与优化： 建立智能体性能（如响应质量、延迟、Token 成本、幻觉率）的评估（Evaluation）体系，并基于数据反馈持续进行工程优化
后端服务开发： 开发支撑智能体运行的后端微服务，解决在实际生产环境中遇到的高并发、稳定性和安全性问题
持续关注LLM、Agent、harness等类AI领域技术演进，引入、落地、创新相关技术
AI 洞察
优缺点分析
优点
- 依托头部金融科技企业的庞大业务场景，技术落地价值高，能直接赋能专业金融投研工作
- 能够深度接触金融投研核心业务，积累‘AI算法+金融工程’的稀缺复合经验，职业壁垒高
- 金融领域对准确性、合规性和低延迟要求极高，控制大模型幻觉并实现高可靠工程化落地的难度大
- 适合具备扎实后端工程能力，对大模型与Agent技术有浓厚兴趣，且愿意深耕金融智能化领域的复合型技术人才
缺点 / 挑战
- 处于大模型与金融结合的前沿赛道，技术栈新颖（Agent、RAG、Context Engineering），极具技术挑战性
- 需要同时具备深厚的AI前沿技术理解与扎实的金融业务系统开发经验，跨界学习与融合的成本较高
角色解读
- 从AI应用研发工程师向AI架构师或金融AI业务专家发展，主导复杂系统的设计与演进
- 未来可深入金融大模型核心产品的技术攻坚，成为‘AI+金融’领域的稀缺复合型技术领军人才
- 负责金融投研类Agent应用的技术选型与系统架构设计，确保系统的高性能与可扩展性
- 深入实践提示工程、RAG流程构建、上下文管理及工具集成等AI核心技术，优化智能体行为
- 开发支撑智能体运行的后端微服务，解决高并发、稳定性和安全性等生产环境问题
- 熟练掌握Python/Java等主流编程语言，具备扎实的后端微服务开发与工程化落地能力
- 深入理解大模型能力与局限，具备Prompt Engineering、RAG及Agent框架的实战经验
- 拥有传统金融投研系统（如资管、风控、量化策略等）的研发经验，理解金融业务逻辑
申请策略
- 准备能够体现‘AI技术+金融业务’深度融合的复杂项目案例，重点阐述在解决大模型幻觉、提升系统稳定性方面的工程化思考
- 突出在大模型应用（如RAG、Agent、Prompt工程）方面的实际项目经验，强调解决幻觉或提升检索准确率的具体成果
- 详细列举参与过的传统金融投研系统（如资管、量化、风控系统）的建设经验，体现对金融业务的理解
- 展示使用AI编程工具（如Cursor）提升研发效率的实践，证明你具备拥抱新技术并快速落地的能力
- 深入学习LangChain、LlamaIndex等主流Agent框架及RAG高级优化策略（如混合检索、Re-ranking）
- 补充金融投研业务知识，了解资产管理系统、量化策略研发、回测引擎等核心系统的业务逻辑与架构
面试指南
- 采用STAR法则（情境、任务、行动、结果）描述项目，在技术问题上遵循‘问题分析->方案选型->工程实现->效果评估’的逻辑闭环
- 强调业务价值，说明技术选择如何解决了具体的金融业务痛点，而不仅仅是堆砌技术名词
- 请分享一个你主导或深度参与的RAG或Agent项目，你是如何解决大模型幻觉和上下文丢失问题的？
- 在金融投研场景下，Agent调用外部工具（如数据库、API）时，如何保证数据的安全性和查询的准确性？
- 结合你的经验，谈谈传统投研系统架构与基于大模型的Agent架构在设计上的核心差异是什么？
- 你平时如何使用AI编程工具（如Cursor）来提升开发效率？请举例说明具体的工作流
- 复习大模型应用开发的核心概念（如Context Window管理、Re-ranking策略、Function Calling机制），确保能应对深度的技术拷问
- 了解蚂蚁财富或相关金融AI产品的最新动态，思考其背后的技术实现逻辑与业务价值
职位点评
薪资福利85
成长发展90
工作生活50
使命价值80
薪资福利
85较高
该岗位属于大模型核心应用方向，依托头部金融科技企业的平台，薪资福利体系完善，整体薪酬竞争力强。
薪资信号未披露（AI估算：3.5千–6.5万/月）
成长发展
90较高
岗位聚焦大模型、Agent等前沿AI技术在金融领域的落地，技术成长空间极大，能接触到核心业务与行业最前沿技术。
技术前沿前沿/新兴技术
技术栈LLM、Agent、RAG、Prompt Engineering、Context Engineering、Function Calling、Python、Java
业务类型ambiguous
工作生活
50较低
JD未明确提及工作模式与WLB信息，但作为核心研发岗且涉及复杂系统架构，工作节奏可能较快，生活化动机满足度一般。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
推动AI技术在金融投研领域的深度应用，提升金融研究效率与智能化水平，具有较高的行业创新价值。
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
蚂蚁集团 的其他在招职位
相似职位推荐
Watch Jobs