关于项目.
1. 客户为知名港资银行，对代码规范、数据安全及金融合规有着极高标准。
2. 该项目依托银行数字化转型战略部门，属于核心预算保障序列。同时定位明确，只要代码扎实、能交付应用，基础大模型能力与国内大厂联合开发，岗位性价比极高。
3. 项目不搞虚头巴脑的理论研究，也不做传统老旧系统的修修补补。进去就是直接磕 RAG 知识库优化、自动化 Agent 工作流、大模型集成等AI 应用层工程，技术成长空间大。
关于团队.
1. 该部门是全行数字化转型的“排头兵”。团队承担行内前沿 AI 技术的探索与试点任务，做出的产品在通过审核后会直接应用到真实业务场景中。
2. 严守合规，规范的金融级开发环境： 部门必须严格遵守银行内部的合规审计、数据安全及隐私保护限制。团队的工作是在高标准的风控框架、内网隔离环境以及严密的流程合规要求下展开的。在这里将学会如何将前沿的开源技术与最严格的金融数据安全标准进行深度融合。
3. 团队管理风格务实、沟通高效：内部不仅有精通银行传统架构、深谙金融风控与审计红线的行业老兵，也有技术过硬的 AI 工程专家。在这样的团队中，候选人既能紧跟最新的大模型工程化迭代，又能真正沉淀出一定的“金融级AI应用落地经验”。
关于岗位.
1. AI应用落地： 负责银行数字化场景下 AI 创新应用（如企业智能知识库、智能客服、自动化Agent工作流）的功能开发与迭代。
2. 系统对接集成： 负责大模型（LLM）API、向量数据库与银行现有业务系统、数据库的高效集成与数据打通。
3. 效果调优： 运用 LangChain、LlamaIndex 等工程框架，负责 RAG（检索增强生成）系统的搭建与 Prompt（提示词）工程优化，提升业务场景下的回答准确率与稳定性。
任职要求.
1. 计算机相关专业本科及以上学历，3至5年 实际主导开发经验。
2. 精通 Python 或 Java，具有扎实的后端开发功底、良好的编码规范和数据处理能力。
3. 熟悉主流大模型 API 对接，有 LangChain / LlamaIndex / Flowise 等至少一种 AI 编排框架的实际项目开发经验。
4. 了解或使用过至少一种向量数据库（如 Milvus, Chroma, PGVector 等）。
5. 加分项：有银行/金融IT系统对接经验，或有已上线的 RAG 知识库 / 复杂 Agent 落地经验者优先。
6. 职业素养：具备良好的沟通理解能力，能够快速准确理解业务需求；能适应银行规范的开发流程与合规要求。
