量化对冲基金公司-Agent或者AI相关职位

——市场顶尖薪资待遇

一、职位名称：AI Agent工程师

招聘公司背景：AUM 200亿-300亿，知名量化私募

工作地点：北京/上海

工作职责：

设计并构建AI coding agent 系统，实现从 人工 指令到 PR 提交的端到端自动化

构建隔离的 devbox 沙箱环境，确保 agent 在安全隔离的环境中运行；

搭建和维护 agent 的 Skills 体系和 CLI 工具集，将内部工具2链（数据管线、任务追踪、代码搜索、CI/CD）统一暴露给 AI agent；

设计 agent 的 blueprint 系统——将常见任务模式（bug fix、feature implementation、code migration、test generation）编码为可复用的工作流；

建立 agent 效能追踪体系：成功率、CI 通过率、review 通过率、平均耗时等核心指标的仪表盘；

与全公司工程师协作，收集反馈，迭代优化 agent 能力，推广 AI-native 工作方式

探索和评估前沿 AI 工具（Claude Code、Goose、Codex 等），为公司选择最优技术栈；

建设开源生态：开源 Agent 内核与通用能力模块，深度参与前沿社区协作，通过全球反馈驱动技术迭代，定义并推广 AI-native 工程标准。

岗位要求：

3+ 年软件工程经验，有扎实的系统设计和后端开发能力（Python / TypeScript / Go 任一精通）;

对 AI / LLM 应用开发有深入理解和实践经验，有大量 agent 使用和开发经验，熟悉 prompt engineering、agent 框架和 memory 系统;

熟悉开发者工具链生态：CI/CD、代码搜索、沙箱/容器化、构建分发、IaC

对量化交易基础设施有了解优先（市场数据、交易协议、低延迟系统），但不是必须——我们更看重学习能力，优秀的沟通能力，能够与不同背景的工程师协作，推动组织级别的工作方式变革;

Self-driven，对前沿 AI 技术保持高度好奇心，能够独立探索和原型验证新想法。

加分项

有开源 AI agent 项目的贡献经验；

有企业级 AI coding agent 系统的设计或使用经验；

熟悉金融/量化交易领域的技术栈和合规要求。

二、AI Agent开发工程师

招聘公司：某头部量化私募

工作地点：上海

工作职责：

我们正在寻找对 AI Agent、大模型应用、自动化工作流感兴趣的实习生，参与公司内部 AI 能力建设与应用落地。你将有机会接触从Prompt设计、工具调用、评测体系，到 Agent workflow搭建、业务集成与效果优化的完整链路；

参与 AI Agent 相关系统的设计、开发和维护；

参与大模型应用在内部业务场景中的落地，包括 Prompt、工具调用、检索增强等模块的开发与优化；

参与 AI 应用评测体系建设，包括样本整理、效果分析、问题定位与迭代优化；

参与相关基础组件、服务接口和工程框架的设计与实现；

跟踪主流大模型、Agent 框架及相关技术发展，参与技术调研与原型验证。

任职资格：

本科及以上学历，计算机、软件工程、人工智能、数据科学等相关专业，国内外知名高校在校生优先；

熟练掌握 Python，具备良好的编码能力和代码风格；

具备扎实的数据结构和算法基础；

对大语言模型、Agent、RAG、Prompt Engineering、Tool Calling 等方向有基本理解和实践经验者优先；

具备良好的逻辑分析能力和问题排查能力。

加分项

有大模型应用、AI Agent或自动化工作流相关项目经验；

有相关领域的优质开源贡献、学术论文发表或技术影响力积累；

熟练使用主流 AI 编程工具，能通过与大模型交互快速完成原型构建与 Bug 排查。

三、AI Tools开发工程师

招聘公司：某头部量化私募

工作地点：上海

职位描述

作为一名Agentic AI/AI Tools工程师，你需要将最新的AI技术、工具和思维方式应用于公司的开发流程中。你会参与到定义和构建公司的AI开发生态这一激动人心的过程中。你需要跟进业界的最新进展，并将其快速应用于公司内部系统中。

在此过程中你有机会和公司内所有岗位进行深度合作，无论是量化研究员、数据科学家，交易系统开发工程师、基础设施平台、IT，我们的共同目标是提高AI工具在工作流程中的使用率，并最终能够提升研究和开发速度和深度。

我们深知AI仍在快速的发展，新的工具和使用范式层出不穷，这种变化也在深刻的影响基础设施、工作流程以及思考方式。我们希望你不仅是一位优秀的工程师和AI工具使用者、AI系统的构建者，也希望你能参与到AI工具对量化研究和开发的工作模式的变革中来。

你将有机会参与定义 AI 时代量化研究和工程的全新工作方式，包括但不限于

调研和评估前沿AI模型、工具，探索能够提升效率的任何可能性；

构建 AI Agent 驱动的研发自动化体系（代码提交、Review、测试等）；

升级研发基础设施与开发者平台，构建 MCP、Skills、Tooling Interfaces，让 AI 能够安全、高质量地访问公司的代码、文档、数据与内部系统；

设计和实现用于 AI Agents 的安全沙箱、权限体系和执行控制框架，确保系统具备可靠性、可追踪性与可审计性；

与研究、交易、工程等团队紧密合作，识别高价值问题并交付可规模化的解决方案

建立 AI 工具在研发场景中的最佳实践、评估标准与使用规范，帮助不同团队更高效、更可靠地把 AI 融入日常工作，推动其在组织内的广泛采用与持续迭代。

职位要求

有扎实的系统设计、开发、调试和问题解决能力。熟练使用以下开发语言中的一种或几种：python/golang/javascript/c++/rust；

熟悉AI/LLM应用开发和生态系统，有大量使用Agent、Coding Assistant、Vibe Coding的经验；

熟悉开发者工具生态，比如CI/CD、容器/沙箱、文档系统和搜索、权限、可观测性等；

参与过系统或服务的设计、开发、测试、上线运行的全过程；

优秀的沟通能力和结构化思考能力。能够与不同背景的同事合作，推动工作习惯和协作模式的变革；

优秀的学习能力、对新技术的好奇心和自驱力，相信AI会彻底改变现有的开发工具、模式和流程。

四、前沿范式研究工程师

招聘公司：某头部量化私募，AUM 600亿+

工作地点：

关于团队

团队正在系统性探索智能体、AI、自动化和新型工程范式如何赋能整个数据部门，而不只是数据工程链路。目标是让运营、产品、管理、分析、科学、采集、生产、平台和基础设施的关键工作流更高效、更可靠、更可审计。

岗位使命

前沿范式研究工程师负责探索和验证新技术范式在数据部门真实业务中的落地方式，把不确定的技术方向转化为可验证试点、采用建议、参考架构、技术路线图和可复用方法。

主要职责：

识别部门内高杠杆工作流痛点，包括运营交付、产品治理、管理汇报、分析建模、数据科学、采集、生产、平台服务和基础设施场景。

跟踪智能体工作流、AI、自动化、知识工程、流程智能化、机器学习/模型工程、可观测性、数据治理等方向的技术演进。

设计 4-6 周可验证试点，定义价值假设、成功标准、失败标准、停止条件、权限边界、审计机制和交接负责人。

将试点结果沉淀为采用、观察、拒绝或延后建议，并说明证据、成本、风险和组织推广使用条件。

与产品治理、平台服务、运营交付和六纵业务主责人协作，推动合适范式进入正式路线图。

对不适合采用的方向给出有证据的否决或延后建议，避免 demo 化、第二事实源和治理噪音。

必备要求：

有复杂业务系统、数据系统、平台工程、AI 工程、流程自动化、知识工程、数据科学或管理提效方向的实战经验。

能深入理解业务工作流，而不是只从技术工具出发。

能把模糊问题拆成可验证假设、工作样本、评估指标和阶段性实验。

理解事实源、权限、审计、数据安全、人工审核、错误传播、可观测性和迁移风险。

能写清楚技术判断、采用建议和路线图，并能与运营、产品、管理、分析、科学和工程角色沟通。

加分项

有智能体工作流、AI copilots、RPA、NLP、智能文档处理、知识库问答、MCP、模型工程、机器学习平台或内部工具平台经验。

有将新技术从试点推进到平台化、流程化或组织采用的经验。

有量化、金融数据、另类数据、资产管理、投研运营、数据产品或大规模数据生产经验。

有既服务工程角色、又服务非工程角色的提效项目经验。

强候选人通常具备

对新技术敏感，但不盲目追新。

能从业务提效出发，而不是从“做一个智能体 demo”出发。

能用证据证明一个方向值得推进、应该延后或必须放弃。

能同时理解技术深度、业务流程、产品价值、组织采用成本和风险边界。

能把复杂判断写成别人可以执行和审计的路线图。

这个岗位不是什么：

不是 FDE，不以单个业务场景的定制交付、上线运营和用户培训为核心职责。

不是纯研究员，不以论文、概念或趋势报告为终点。

不是平台数据生产负责人，不长期维护某个生产系统。

不是项目管理，不主责项目排期、资源和供应商节奏。

不是架构委员会，不做脱离试点证据的抽象评审。

五、大模型开发工程师（Agent）

招聘公司：某大型量化私募，AUM 200亿左右

工作地点：北京/上海

【岗位职责】

负责大模型在公司内的应用落地实施，核心职责如下：

1.前沿技术应用落地：推动并落地业界领先的Agent技术，包括技术评估、部署、最佳实践的迭代与全方位支持；

2.AI Agent应用开发：打造具备自主规划、执行及工具应用能力的AI Agent，为组织赋能

2.1 开发：Agent编排、Tool、Model、Memory和Knowledge的开发与集成；

2.2 优化：数据监控、模型评估、prompt优化及后续训练；

2.3 协作：Agent间协作、准入管理、权限认证等；

2.4 应用落地：构建与业务流程紧密契合的大模型应用框架，确保与现有系统的无缝集成；

3.平台框架设计与优化：负责平台框架的设计与优化，确保平台在响应时间、成本控制、扩展性、可观测性及易用性等方面的高效表现。

【任职要求】

国内外知名高校计算机、人工智能等相关专业本科及以上学历；

热爱技术，持续关注前沿技术，具备快速学习和灵活应用新知识的能力；

具有较强的跨团队协作能力，能够主动沟通、精准获取需求并参与设计；

思维严谨、善于解决复杂问题，具备工程化实现能力；

精通Python、Java等编程语言，熟悉LLM框架（如Hugging Face、OpenAI API）与Agent工具（如LangChain、AutoGen等），了解Memory、MCP、A2A等相关技术；

至少1-2年AI/ML领域开发经验，具有Agent系统开发经验。

【加分项】

1.有丰富的前端+全栈开发经验优先；

2.有开源贡献者优先。

最后

对于正在迷茫择业、想转行提升，或是刚入门的程序员、编程小白来说，有一个问题几乎人人都在问：未来10年，什么领域的职业发展潜力最大？

答案只有一个：人工智能（尤其是大模型方向）

当下，人工智能行业正处于爆发式增长期，其中大模型相关岗位更是供不应求，薪资待遇直接拉满——字节跳动作为AI领域的头部玩家，给硕士毕业的优质AI人才（含大模型相关方向）开出的月基础工资高达5万—6万元；即便是非“人才计划”的普通应聘者，月基础工资也能稳定在4万元左右。

再看阿里、腾讯两大互联网大厂，非“人才计划”的AI相关岗位应聘者，月基础工资也约有3万元，远超其他行业同资历岗位的薪资水平，对于程序员、小白来说，无疑是绝佳的转型和提升赛道。

如果你还不知道从何开始，我自己整理一套全网最全最细的大模型零基础教程，我也是一路自学走过来的，很清楚小白前期学习的痛楚，你要是没有方向还没有好的资源，根本学不到东西！

下面是我整理的大模型学习资源，希望能帮到你。

👇👇扫码免费领取全部内容👇👇

最后

1、大模型学习路线

2、从0到进阶大模型学习视频教程

从入门到进阶这里都有，跟着老师学习事半功倍。

3、 入门必看大模型学习书籍&文档.pdf（书面上的技术书籍确实太多了，这些是我精选出来的，还有很多不在图里）

4、AI大模型最新行业报告

2026最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

5、面试试题/经验

【大厂 AI 岗位面经分享（107 道）】

【AI 大模型面试真题（102 道）】

【LLMs 面试真题（97 道）】

6、大模型项目实战&配套源码

适用人群

四阶段学习规划（共90天，可落地执行）
第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

  • 大模型 AI 能干什么？
  • 大模型是怎样获得「智能」的？
  • 用好 AI 的核心心法
  • 大模型应用业务架构
  • 大模型应用技术架构
  • 代码示例：向 GPT-3.5 灌入新知识
  • 提示工程的意义和核心思想
  • Prompt 典型构成
  • 指令调优方法论
  • 思维链和思维树
  • Prompt 攻击和防范
  • …
第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

  • 为什么要做 RAG
  • 搭建一个简单的 ChatPDF
  • 检索的基础概念
  • 什么是向量表示（Embeddings）
  • 向量数据库与向量检索
  • 基于向量检索的 RAG
  • 搭建 RAG 系统的扩展知识
  • 混合检索与 RAG-Fusion 简介
  • 向量模型本地部署
  • …
第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

  • 为什么要做 RAG
  • 什么是模型
  • 什么是模型训练
  • 求解器 & 损失函数简介
  • 小实验2：手写一个简单的神经网络并训练它
  • 什么是训练/预训练/微调/轻量化微调
  • Transformer结构简介
  • 轻量化微调
  • 实验数据集的构建
  • …
第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

  • 硬件选型

  • 带你了解全球大模型

  • 使用国产大模型服务

  • 搭建 OpenAI 代理

  • 热身：基于阿里云 PAI 部署 Stable Diffusion

  • 在本地计算机运行大模型

  • 大模型的私有化部署

  • 基于 vLLM 部署大模型

  • 案例：如何优雅地在阿里云私有部署开源大模型

  • 部署一套开源 LLM 项目

  • 内容安全

  • 互联网信息服务算法备案

  • …

    👇👇扫码免费领取全部内容👇👇

3、这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】