锦鲤求职锦鲤求职

同花顺

【27届校招人才计划】Agent算法工程师

  • 校招
  • 杭州
  • 硕士及以上
  • 人工智能
原岗位链接 ↗

这个岗位发布时间较早(或官网没写发布日期),可能已经招满,投递前先到官网确认。

岗位描述

岗位内容
团队介绍
我们是同花顺核心业务集群,是公司最重要的流量入口与现金流支柱。专注服务亿万个人投资者,打造国内领先的一站式智能投资服务平台。以技术 + 数据 + AI为核心驱动,连接个人投资者与专业金融服务,提供覆盖行情、交易、资讯、投顾、理财、基金代销的全场景服务,持续提升用户投资效率与决策质量。自研i问财、AI诊股、智能投顾、虚拟数字人、AI资讯生产等能力,用AI降低投资门槛、提升转化与体验。

岗位方向:大模型Agent
聚焦金融投资全场景,将大模型的自然语言理解、逻辑推理能力与Agent的任务规划、工具调用、多轮交互、自主学习能力深度融合,构建金融垂类下的生产级Agent系统。覆盖投资者需求理解、行情数据解读、投资决策辅助、智能投顾交互、资讯聚合分析、交易策略执行辅助等核心场景,实现“理解用户需求→规划任务路径→调用工具执行→反馈结果优化”的全闭环,让AI成为投资者的专属智能助手,落地真实业务场景、创造实际价值。

工作内容
1. 聚焦金融投资全场景提效与用户体验升级,负责大模型Agent相关算法设计与研发,覆盖用户需求意图识别、投资任务规划、金融工具调用、多轮对话交互、结果反馈优化等核心任务;
2. 构建生产级金融Agent核心能力:需求拆解与任务规划、金融工具调用(行情查询、数据检索、策略回测、资讯聚合等)、上下文记忆与多轮交互管理、结果归因与可解释性、长任务执行与失败恢复、用户意图动态适配等;
3. 深入研究大模型(LLM)与金融垂类数据的结合技术,包括指令微调(SFT)、偏好优化/RL、领域知识注入、推理策略优化等,在数据配比、训练范式、模型结构与推理效率上探索最佳实践,推动Agent在金融场景的效果与性能双提升;
4. 设计面向金融垂类Agent的评测与对齐体系:包括需求理解准确率、任务执行成功率、金融事实一致性、结果可解释性、交互自然度、响应延迟与成本控制等指标,持续提升Agent的可靠性、可控性与可交付性;
5. 与产品、金融业务、工程、测试团队紧密协作,深入理解金融投资业务场景与用户需求,推动Agent能力落地到同花顺核心产品链路(行情、投顾、理财等),实现可持续迭代与规模化应用。

1. 全球财经资讯实时分析引擎 - 基于大模型技术,对海量金融新闻、研报进行深度解读;
2. 市场异动智能解读系统 - 实时捕捉并解析全球金融市场的重要变化;
3. 投资热点预测平台 - 运用AI技术分析市场趋势,前瞻性发现投资机会;
4. AI金融资讯生产系统 - 利用同花顺自有金融数据进行深度数据挖掘及内容创作,为投资者提供第一手的财经信息;

岗位要求
职位要求
1. 2026届获得硕士及以上学历,计算机、软件工程、人工智能、金融科技等相关专业优先;
2. 具备优秀的问题分析与解决能力,能够深入解决大模型Agent在训练、推理、工具调用、业务落地中的复杂问题;
3. 熟悉大模型(LLM)基本原理与关键技术(指令跟随、逻辑推理、上下文管理等),了解金融领域知识者优先,具备将大模型应用于真实业务场景的能力;
4. 熟悉Agent相关机制(任务分解与规划、工具使用与调度、记忆管理、RAG/检索增强、反思与自我修复、可靠性工程等),能设计可上线的金融场景Agent任务闭环;
5. 具备大模型训练/微调经验者优先:金融领域数据构建、指令微调、偏好学习/RL、分布式训练与推理优化等;
6. 工程能力扎实:熟练使用Python / PyTorch(或同类框架),具备良好的代码规范、性能意识与系统化落地能力,能独立完成算法模块的设计与开发。

加分项
1. 有金融垂类大模型或Agent研究、应用经验者优先,尤其是金融数据理解、投资决策辅助、智能投顾相关方向;
2. 对LangChain、AutoGPT、OpenCode等Agent框架原理精通者优先(或对同类工具使用型、交互型智能体框架有深入理解与实践);
3. 在ICML、ICLR、NeurIPS、ACL、CVPR等顶级会议/期刊以第一作者发表过高影响力成果者优先,研究方向为大模型、Agent相关者更佳;
4. 在ACM/ICPC、NOI/IOI、Kaggle等竞赛中获奖者优先,尤其擅长自然语言处理、大模型应用类竞赛;
5. 主导或参与过具有广泛影响力的AI开源/闭源项目,具备可复用的工程化产出与落地经验者优先,有金融科技类AI项目经验者加分;
6. 熟悉金融市场(股票、基金、理财等),具备一定的金融知识储备,能快速理解金融业务场景者优先。

人工智能方向的申请准备

先核对岗位要求与自己的经历,再准备档案、投递和面试。

阅读求职步骤与示例 →