Lenovo logo
联想
AI Agent Application Engineer(Finance)

AI Agent Application Engineer(Finance)

发布于 1 小时前

普通员工/个人贡献者

AI 估算 · 3.5–6.0万 · AI 参考估算
高级经验
学历未注明
全职员工仅现场办公AI算法
AI算法
Langgraph
Llmops
Rag
向量数据库
大模型应用
微服务架构
财务数字化

值不值得投

80综合评分

综合评分 80

大厂背书、前沿AI技术栈、高成长空间,但工作强度和生活平衡需进一步确认

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

4.8万

比AI算法中位数高

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 330 个在招 · 其中AI算法 6 个

市场机会

选择适中

深圳 · AI算法 · 39 个在招

职位详情

关于这个职位

负责联想企业级财务AI智能体的设计与开发,将财务流程与数据处理逻辑转化为可复用的Agent、Skill及Workflow

结合大模型、自动化工具与数据平台,实现财务分析任务的智能化、标准化与可审计化落地

最低要求

工作经验:具备5年以上后端或平台研发经验,以及1年以上大模型、Agent、RAG或相关AI应用项目经验

具备财务相关项目的开发经验
编程能力:熟练掌握Python,并精通Python、Go、Java中至少一门语言,具备扎实的软件工程基础、系统设计能力和复杂问题解决能力
后端与微服务开发:熟悉FastAPI、Spring Boot、Gin等至少一种后端框架,具备REST API、异步任务、微服务、权限认证和企业系统集成经验
Agent与大模型技术:熟悉Prompt Engineering、Context Engineering、RAG、Function Calling、Agent Planning、Memory、Workflow、Multi-Agent、Structured Output和Human-in-the-loop
Agent框架与Skill开发:熟悉LangGraph、LangChain、AutoGen或自研Agent Framework
熟悉Agent Skills开发,包括Skill设计、SKILL.md编写、脚本实现、依赖管理、测试调试和版本维护
数据库与数据处理:熟悉PostgreSQL、MySQL等关系型数据库及SQL,能够完成复杂查询、指标聚合、数据建模和数据处理
知识库与向量检索:熟悉Milvus或其他向量数据库,理解Embedding、文档解析、Chunking、混合检索、Rerank、知识库建设及RAG效果评估
模型部署与基础设施:熟悉Linux、Docker、Docker Compose
了解vLLM、大模型推理服务、GPU资源管理、模型网关、并发控制、性能优化及LLMOps
办公自动化与系统集成:能够处理Excel、CSV、PPT、PDF、Power BI等常见财务文件和交付物
具备Playwright、浏览器自动化、Office自动化或RPA经验者优先
业务分析与协作能力:具备良好的系统分析、业务抽象和跨团队协作能力,能够将财务Workflow拆解为数据获取、指标计算、业务判断、结果生成和人工确认等执行步骤
具备良好的英文阅读和沟通能力

工作职责

财务智能体建设:负责财务Agent、Skill、Workflow、知识库、工具调用、上下文管理、记忆管理及人工审批等核心能力的设计与开发

财务Skill沉淀:与FA和财务SME协作梳理数据来源、SOP、计算规则和交付物,将财务流程转化为标准化、可配置、可复用的Agent Skill
财务数据平台建设:对接Excel、数据库、数据仓库、Power BI、企业API及公开数据,建设数据获取、清洗、转换、校验、聚合和指标计算能力
企业级工程保障:建设权限控制、数据隔离、结果校验、人工确认、异常重试、断点恢复、执行审计、数据溯源和系统可观测能力
项目交付与协作:与财务、数据及研发团队共同明确Action、Owner、Time Schedule、Deliverable和Acceptance Criteria,推动MVP、Pilot及正式版本交付

优先资格

具备Playwright、浏览器自动化、Office自动化或RPA经验者优先

AI 洞察

优缺点分析

优点

  • 技术前沿:直接参与大模型Agent在企业级场景的落地,接触LangGraph、RAG等最新技术栈
  • 平台优势:依托联想全球领先的IT基础设施背景,拥有强大的数据平台和工程保障支持
  • 业务价值:聚焦财务核心流程,成果可直接量化,对企业的降本增效有显著贡献
  • 职业背书:跨国巨头履历,有助于提升个人在AI应用领域的市场竞争力
  • 业务复杂性:财务领域规则严谨,需深入理解SOP和数据逻辑,沟通成本高
  • 技术迭代快:AI Agent领域变化迅速,需持续学习新技术并保持技术敏感度
  • 适合具备5年以上后端开发经验,且对大模型应用有浓厚兴趣和技术积累的资深工程师

缺点 / 挑战

  • 工程挑战:企业级应用对稳定性、安全性和可审计性要求极高,工程保障压力大

角色解读

  • 纵向深化:成为AI Agent架构师或大模型应用专家,主导更复杂的AI系统设计与落地
  • 横向拓展:向AI产品经理或技术负责人转型,负责更多跨部门的AI创新项目
  • 行业深耕:在金融科技或企业数字化转型领域积累深厚经验,成为懂业务的技术专家
  • 设计并开发企业级财务AI智能体,包括Agent、Skill和Workflow的核心逻辑实现
  • 构建财务数据平台,整合多源数据(Excel、DB、API等),实现数据的清洗、校验与指标计算
  • 利用大模型技术(RAG、Function Calling等)解决财务分析中的自动化与智能化问题
  • 确保系统的工程稳定性,包括权限控制、审计追踪、异常处理和可观测性建设
  • 扎实的编程基础,精通Python及Go/Java之一,熟悉主流后端框架(FastAPI/Spring Boot)
  • 深入理解AI Agent技术栈,熟练使用LangChain/LangGraph等框架,掌握RAG、Prompt Engineering等核心技术
  • 具备大数据处理能力,熟悉关系型数据库、向量数据库(如Milvus)及数据建模
  • 拥有良好的业务抽象能力,能将复杂的财务流程转化为标准化的技术解决方案

申请策略

  • 准备一个完整的AI Agent项目案例,重点阐述从需求分析到落地的全过程
  • 了解联想在AI领域的战略布局,展现对公司业务的认同感
  • 强调跨团队协作能力,因为该岗位需要频繁与财务和业务部门沟通
  • 突出大模型Agent相关项目经验,特别是使用LangChain/LangGraph解决实际问题的案例
  • 强调后端架构设计能力,展示在高并发、高可用系统中的实践经验
  • 体现业务理解力,如有财务、金融或ERP系统开发经验,务必重点标注
  • 列举具体的技术栈匹配度,如Python、Go、PostgreSQL、Milvus等的熟练程度
  • 深入学习LangGraph等Agent编排框架的高级特性,如状态管理、循环控制等

面试指南

  • STAR法则:情境(Situation)、任务(Task)、行动(Action)、结果(Result),清晰描述项目背景和你的具体贡献
  • 技术深度:不仅回答“怎么做”,还要解释“为什么这么做”,对比不同方案的优劣
  • 业务结合:始终将技术方案与业务价值(如效率提升、错误率降低)联系起来
  • 反思总结:提及遇到的挑战和解决方案,展现解决问题的能力和成长思维
  • 请详细介绍你之前项目中使用的Agent框架,以及你是如何设计Skill和Workflow的?
  • 在RAG系统中,如何解决检索准确率不高或幻觉问题?请分享你的优化经验
  • 面对复杂的财务数据源,你如何设计数据清洗和校验机制以确保数据准确性?
  • 如何保证AI智能体在企业级环境中的安全性、权限控制和操作可审计性?

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

作为已上市的跨国巨头,联想提供具有市场竞争力的薪酬体系和完善的福利保障,符合高阶人才的市场价位。

薪资信号未披露(AI估算:3.5千–6.0万/月)

成长发展

90较高

岗位聚焦于大模型Agent这一前沿技术领域,且涉及企业级复杂场景落地,技术成长空间巨大,能显著提升个人在AI应用层的核心竞争力。

技术前沿前沿/新兴技术
技术栈LangGraph、LangChain、RAG、Agent、LLMOps、Vector Database
业务类型cost_center

工作生活

60中等

JD未明确提及弹性工作制或远程办公选项,且为大型传统企业转型部门,可能面临一定的交付压力和跨部门协作复杂度,WLB表现中等。

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

通过AI技术赋能财务流程,推动企业数字化转型和效率提升,具有明确的业务价值和行业前瞻性,但社会影响力相对中性。

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