后端开发工程师-AI平台

1. 系统开发：采用Python、Java等编程语言开展后端系统构建，涵盖业务逻辑编码、接口规范制定及数据库架构设计。主导高性能、高可用分布式系统的方案设计与落地，保障系统运行的稳定性与横向扩展能力。结合实际业务需求与应用场景，规划并实现AI Agent、Agent Network、Work Flow等功能模块，通过工程化手段与Prompt Engineering技术，确保智能体在目标场景中稳定高效运作。 2. 缓存与中间件：运用Redis等缓存机制提升系统响应效率，降低数据库负载压力。完成消息队列（MQ）等中间件的集成与配置，支持异步任务处理，增强系统间的解耦能力。 3. 性能优化：持续进行系统性能调优，提升服务响应速度与整体吞吐量。优化SQL查询逻辑与索引策略，保障数据操作的一致性与完整性。 4. 技术攻关：攻克核心系统中的关键技术难题，确保系统具备良好的可用性、稳定性与可扩展性。参与基于大语言模型的应用系统开发，熟练使用LangChain或同类框架进行应用搭建与迭代优化。关注行业前沿且成熟的后端技术方案，推动团队技术体系持续升级，保持技术领先优势。 5. 团队协作：积极与团队成员沟通协作，分享技术经验与实践成果，助力团队整体技术水平提升，促进个人与团队共同成长。 1. 教育背景：计算机科学、人工智能、数据科学或相关专业本科及以上学历。 2. 工作经验：具备3年以上后端开发经历，有金融领域工作经验者优先考虑。 3. 技术能力：熟练掌握Python、Java中至少一门编程语言，熟悉其技术生态与开发规范： （1）熟悉消息队列、缓存机制及数据库技术，掌握RabbitMQ、Kafka、Redis、MySQL、PostgreSQL等常用组件，能够实现异步通信与系统分层解耦。 （2）了解Docker、Kubernetes等容器化工具，具备微服务架构实践经验者优先；了解主流公有云平台，有阿里云、华为云等使用经验者优先。 （3）具有基于大语言模型的应用开发经历，曾主导或深度参与相关项目；具备开源大模型的开发或贡献经验；拥有模型微调与训练的实际操作经验，熟悉相关流程与工具链。 （4）熟悉LangChain、Dify、AutoGen等主流框架或开源工具，精通Python、Java等语言，具备良好编码习惯和高质量代码输出能力。 4. 专业知识：扎实掌握计算机网络、操作系统等基础理论知识；了解金融行业的业务逻辑与技术标准，能针对金融类场景进行系统架构设计与功能实现。 5. 问题解决能力：具备较强的分析与解决问题的能力，善于独立思考，能在复杂环境中快速定位关键问题并提出有效解决方案。 6. 团队合作：具备良好的协作意识，能够与跨职能团队顺畅沟通，协同推进项目高效落地。 7. 创新意识：对新兴技术保持敏锐洞察力，勇于面对挑战，具备创新思维与实践探索精神。