【岗位定位】 负责金融投教与智能投顾场景的AI应用后端开发，基于阿里百炼/DeepSeek等大模型API，搭建高可用、强合规的RAG知识库与智能投顾系统。
核心职责
1. 金融AI应用工程化
基于百炼（DashScope）、DeepSeek、智谱等国产大模型API，开发智能投顾对话、投教内容生成、研报解读等应用，完成高并发API网关封装与流式输出（SSE）优化
搭建金融RAG系统：实现基金/股票知识库、监管政策、投研报告的智能检索与精准问答（向量库：Milvus/AnalyticDB PostgreSQL）
合规过滤机制：对接阿里云内容安全/百度文本审核API，实现投资建议合规性实时校验（禁用具体荐股、禁止收益承诺话术拦截）
2. 数据Pipeline与商业化成本优化
构建金融数据ETL：非结构化研报解析、公告信息抽取、客户画像标签体系
成本ROI管控：设计Token消耗监控、模型路由策略（复杂推理走DeepSeek-R1/通义，简单问答走轻量模型），优化百炼/DeepSeek API调用成本
3. 系统架构与金融合规
Docker/K8s容器化部署（阿里云ACK/ASK），实现投顾服务的弹性扩缩容与高可用（SLA 99.9%）
落实金融合规双录：投资顾问对话留痕、敏感操作审计日志、客户适当性管理数据脱敏
任职要求
必备项
3年以上Python后端经验，1个以上LLM商业项目落地（金融/客服/知识库场景优先）
熟练使用FastAPI + Redis + PostgreSQL，有高并发接口设计与异步编程经验
RAG实战经验：掌握Embedding模型选型（通义/BGE）、向量检索优化、重排序（Rerank）调优
国内大模型生态：熟悉百炼（DashScope）API、DeepSeek调用规范、Function Calling开发，了解阿里云PAI基础部署
加分项
持有证券/基金从业资格，或熟悉《证券投资顾问业务暂行规定》合规要求
金融场景落地经验：智能投顾对话系统、基金产品推荐、合规话术审核
阿里云生态：熟悉PAI-EAS推理服务、AnalyticDB向量引擎、OSS数据存储
工作方式
商业结果导向：技术方案需评估投入产出比（POC快速验证→小流量灰度→全量 rollout）
合规零容忍：投顾内容必须通过合规审核，用户数据严格遵循《个人信息保护法》与金融监管要求
国内生态优先：大模型选型以百炼、DeepSeek等国产方案为主，兼顾性价比与数据安全