【核心定位】 参与智能投研、智能决策辅助及投后管理等核心场景的开发与落地。协助业务与金融科技部团队完成从业务流拆解、Agent工作流编排、提示词调优到后端系统集成的相关工作。 【岗位职责】 业务流拆解与Agent编排：协助对接业务部门，理解另类投资投前、投中、投后等基础业务逻辑，将业务需求转化为大模型可执行的工作流。参与使用主流编排框架或者MCP、Skills技术进行智能体应用的搭建与配置。 提示词工程与效果调优：参与金融垂直场景下的Prompt编写与基础调优，协助维护投资专属Prompt库。运用CoT（思维链）、Few-shot等策略，结合Badcase分析，对智能体在研报摘要、风险预警、数据提取等场景的输出效果进行持续优化。 RAG系统与应用后端开发：基于Python或Node.JS技术栈参与智能体应用的后端功能开发。协助完成RAG（检索增强生成）系统的搭建，包括向量数据库的日常维护、金融长文本的解析清洗与知识库构建，解决模型幻觉问题。 工具封装与性能保障：协助完成外部金融数据源（如Wind、企查查等）及内部数据源的接口对接。参与模型接口的部署封装与基础性能优化，保障智能体服务的稳定运行。 【任职要求】 学历与经验：本科及以上学历，计算机、金融工程或相关专业，4年以上开发经验，对AI Agent开发有浓厚兴趣，有实际搭建或学习经验者优先。 编排与开发能力： 熟练掌握 Python或Node.JS开发，具备良好的代码风格。 熟悉FastGPT、Coze、LangChain等主流LLM应用开发框架及向量数据库的基本使用。 Prompt与业务理解： 掌握提示词工程的基本方法论，具备良好的逻辑思维与文字功底。 了解金融投资业务（如投研分析、尽职调查、投后管理）的基本常识，能快速理解业务痛点。 综合素质：具备良好的沟通能力和团队协作精神，对金融数据的安全性与合规性有基本的认知和敬畏心。 【加分项】 有金融科技公司、券商或资管行业数字化项目实习或工作经验者优先。 熟悉开源大模型（如Qwen等）的部署、量化、调优流程者优先。