腾讯金融-Agent架构师

1、深入行业（金融、汽车、游戏、电商等）业务链路，主动挖掘高价值的Agent应用场景，定义Agent的业务边界，设计面向复杂任务的智能工作流与多步骤规划方案； 2、基于火山方舟平台，负责Agent系统的端到端设计与实现，涵盖Context Engineering（上下文工程）、State Management（状态管理）、Tool Orchestration（工具编排）及Memory（长短期记忆）等核心组件的调优； 3、针对Agent在特定行业的需求，设计闭环的效果评估体系；协同算法团队进行SFT（微调）与Prompt策略调优，解决Agent在实际场景中的问题； 4、沉淀Agent架构设计的最佳实践，输出可复用的Agent资产库（如标准Skill、Sandbox配置、行业提示词模板）。

1、面向金融行业的大中型客户，深入洞察其业务战略与典型应用场景，精准把握客户真实需求与核心痛点；凭借扎实的专业能力，与客户关键决策者建立深度信任，并提供切实可行、高价值的AI技术解决方案，助力客户高效达成业务目标。 2、以AI应用为导向，设计并落地复杂的智能体（Agent）架构与工作流（Workflow），能独立完成从方案设计到工程实现的全过程，熟悉“Demo → Product → Scale”的转化路径，能有效弥合技术可行性与商业价值之间的鸿沟，利用AI技术方案帮助客户最终实现业务价值。 3、持续收集产品在客户真实场景中的使用反馈，提炼问题与优化建议，反哺产品团队，驱动AI产品能力的迭代与提升。

1、面向金融企业客户，深入客户核心业务流程，识别关键痛点与价值点，基于大模型能力设计端到端AI解决方案。 2、主导从方案设计到技术实现的全流程，具备独立开发与调试能力，能快速搭建多Agent协同系统，掌握并熟练运用数据构建、Prompt工程、RAG增强、Agent协作、Workflow编排、模型后训练等关键技术。 3、收集客户反馈与使用数据，结合技术研判，向产研团队输出产品优化建议，驱动产品迭代升级，提升市场竞争力与客户满意度。 4、基于基础大模型与行业垂类模型，孵化可复用的金融场景解决方案模板；善于总结最佳实践，形成可推广的方法论与案例库。

团队介绍： 我们在做"AI 在金融投研全链路的落地"，面向研究员、分析师、投资经理等角色，打造生产级的AI智能体系统，为投研业务提供端到端提效能力：从行业深度研究与竞品分析、宏观经济趋势预测与情景推演、投资逻辑构建与论证、研报与投资建议生成，到数据验证与事实核查、多源信息整合与归因，形成可规模化复用的 AI投研生产力体系。岗位方向：Agent Scaffold 研发 × Agent 系统评估 × Agentic RL 模型训练聚焦金融投研场景下的智能体系统构建，将大模型的推理能力与 Agent 的工具使用、任务规划、信息检索与多步推理能力深度结合，构建投研垂类下的 Agent系统：会搜索金融数据、会调用研报API、能分析财务指标、能构建投资逻辑链、能生成可追溯的研究结论，并持续在真实投研业务中提升效果与效率。 岗位职责： 1. 聚焦金融投研全链路提效场景，负责 Agent Scaffold 架构设计与研发，覆盖深度研究、未来预测、投资逻辑构建、长文本内容创作等核心任务； 2. 构建生产级 Agent 能力：多源数据检索与整合（宏观数据、研报库、财报、新闻等）、复杂推理与规划（多步骤任务分解、工具链编排）、证据归因与可追溯引用、长任务执行与失败恢复、结果验证与自我修正等； 3. 设计并实施 Agent 系统评估体系：包括任务完成率、推理准确性、事实一致性、工具调用成功率、成本与延迟等指标，建立可量化的评测基准与持续优化机制； 4. 探索 Agentic RL 模型训练技术：通过强化学习优化 Agent 的决策策略、工具选择、任务规划能力，在数据配比、奖励设计、训练范式上探索最佳实践，推动投研任务效果显著提升； 5. 与投研、产品、工程团队紧密协作，推动 Agent 能力落地到投研产品链路中，实现可持续迭代与规模化应用。