主分类：搜索推荐与业务决策算法研发
辅助：Agent系统开发（仅展示）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "业务风控算法工程师",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "核心本地商业-基础研发平台",
"location": "北京市",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "美团",
"company_industry": "科技零售 / 生活服务",
"company_size": "10000人以上",
"company_website": "meituan.com",
"company_description": "美团通过科技推动服务零售和商品零售的数字化，连接消费者与商户。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、构建 AI业务风控能力\n负责核心业务的反作弊、反欺诈与交易安全，综合规则、图算法、异常检测和大模型，对多源数据建模，识别团伙作弊与新型风险，持续优化资损、误伤和处置时效等核心指标；将风险识别、研判、处置、评估能力模块化，支撑跨场景快速复用。\n\n2、探索 Agent 驱动的风控运营范式\n构建“风险感知—证据分析—研判处置—效果复盘”Agent工作流，使Agent能够调用数据与策略工具、基于证据完成研判，并输出可追溯结论；在评测、审计、灰度和回滚机制保障下，逐步从人机协同走向受控自动化运营。\n\n3、推动大模型深度融入风控决策\n将LLM应用于作弊模式发现、异常归因、案例研判、策略建议等关键环节，结合知识检索、工具调用、结构化输出、案例记忆与反馈闭环，提升复杂风险的理解、推理和决策可靠性；建设离线评测与线上监控体系，持续优化效果、成本与时效。\n\n4、前沿技术预研与能力沉淀\n跟踪Agentic风控、主动风险狩猎和AI攻防对抗等方向，验证可落地方案；按业务复杂度探索单Agent或多Agent协作，沉淀可复用的技术组件、评测标准和风控方法论，支撑产品与运营解决实际风险问题。",
"requirements_text": "1. 扎实的机器学习/深度学习理论基础，在反作弊、异常检测、社区发现、知识图谱、NLP等至少一个领域有深入的研究和实践经验；\n2. 至少熟练使用Python、Java、C++中一种编程语言，熟练运用多种常用算法与数据结构；\n熟悉主流大模型技术栈（如skill、memory、agent teams等），有大模型应用开发或微调经验者优先；\n3. 对AI Agent、工作流自动化有认知或实践经验，具备将复杂业务流程抽象为可自动化系统的设计思维；\n4. 熟悉各类常见作弊手段与业务风控策略，有互联网风控反作弊模型设计经验者优先；\n具备优秀的逻辑思维能力和数据敏感度，对解决复杂对抗性问题充满热情。",
"skills": [AI生成
"Python",
"Java",
"C++",
"机器学习",
"深度学习",
"数据结构",
"知识图谱",
"逻辑思维",
"大语言模型"
],
"preferred_qualifications": "熟悉主流大模型技术栈（如skill、memory、agent teams等），有大模型应用开发或微调经验者优先；4. 熟悉各类常见作弊手段与业务风控策略，有互联网风控反作弊模型设计经验者优先",
"job_highlights": "1. 定义下一代智能风控：不是在现有框架里做优化，而是参与从0到1构建AI-Native风控体系；\n2. 推动风控运营从\"人驱动\"走向\"Agent驱动\"，这是当前工程领域最有想象力的方向之一；\n3. 最复杂的业务场景，海量数据+高复杂度对抗博弈，与业务方深度协作，深入了解本地生活服务全链路；"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4740836422&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4740836422",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4740836422&jobShareType=1"
},
"fulltext": "业务风控算法工程师\n业务风控算法工程师\n\n基础信息\n工作地点：北京市\n部门：核心本地商业-基础研发平台\n职位类别：技术类\n职位族群：算法\n更新时间：2026-09-16\n\n岗位职责\n1、构建 AI业务风控能力\n负责核心业务的反作弊、反欺诈与交易安全，综合规则、图算法、异常检测和大模型，对多源数据建模，识别团伙作弊与新型风险，持续优化资损、误伤和处置时效等核心指标；将风险识别、研判、处置、评估能力模块化，支撑跨场景快速复用。\n\n2、探索 Agent 驱动的风控运营范式\n构建“风险感知—证据分析—研判处置—效果复盘”Agent工作流，使Agent能够调用数据与策略工具、基于证据完成研判，并输出可追溯结论；在评测、审计、灰度和回滚机制保障下，逐步从人机协同走向受控自动化运营。\n\n3、推动大模型深度融入风控决策\n将LLM应用于作弊模式发现、异常归因、案例研判、策略建议等关键环节，结合知识检索、工具调用、结构化输出、案例记忆与反馈闭环，提升复杂风险的理解、推理和决策可靠性；建设离线评测与线上监控体系，持续优化效果、成本与时效。\n\n4、前沿技术预研与能力沉淀\n跟踪Agentic风控、主动风险狩猎和AI攻防对抗等方向，验证可落地方案；按业务复杂度探索单Agent或多Agent协作，沉淀可复用的技术组件、评测标准和风控方法论，支撑产品与运营解决实际风险问题。\n\n岗位基本要求\n1. 扎实的机器学习/深度学习理论基础，在反作弊、异常检测、社区发现、知识图谱、NLP等至少一个领域有深入的研究和实践经验；\n2. 至少熟练使用Python、Java、C++中一种编程语言，熟练运用多种常用算法与数据结构；\n熟悉主流大模型技术栈（如skill、memory、agent teams等），有大模型应用开发或微调经验者优先；\n3. 对AI Agent、工作流自动化有认知或实践经验，具备将复杂业务流程抽象为可自动化系统的设计思维；\n4. 熟悉各类常见作弊手段与业务风控策略，有互联网风控反作弊模型设计经验者优先；\n具备优秀的逻辑思维能力和数据敏感度，对解决复杂对抗性问题充满热情。\n\n岗位亮点\n1. 定义下一代智能风控：不是在现有框架里做优化，而是参与从0到1构建AI-Native风控体系；\n2. 推动风控运营从\"人驱动\"走向\"Agent驱动\"，这是当前工程领域最有想象力的方向之一；\n3. 最复杂的业务场景，海量数据+高复杂度对抗博弈，与业务方深度协作，深入了解本地生活服务全链路；\n1、构建 AI业务风控能力\n负责核心业务的反作弊、反欺诈与交易安全，综合规则、图算法、异常检测和大模型，对多源数据建模，识别团伙作弊与新型风险，持续优化资损、误伤和处置时效等核心指标；将风险识别、研判、处置、评估能力模块化，支撑跨场景快速复用。\n\n2、探索 Agent 驱动的风控运营范式\n构建“风险感知—证据分析—研判处置—效果复盘”Agent工作流，使Agent能够调用数据与策略工具、基于证据完成研判，并输出可追溯结论；在评测、审计、灰度和回滚机制保障下，逐步从人机协同走向受控自动化运营。\n\n3、推动大模型深度融入风控决策\n将LLM应用于作弊模式发现、异常归因、案例研判、策略建议等关键环节，结合知识检索、工具调用、结构化输出、案例记忆与反馈闭环，提升复杂风险的理解、推理和决策可靠性；建设离线评测与线上监控体系，持续优化效果、成本与时效。\n\n4、前沿技术预研与能力沉淀\n跟踪Agentic风控、主动风险狩猎和AI攻防对抗等方向，验证可落地方案；按业务复杂度探索单Agent或多Agent协作，沉淀可复用的技术组件、评测标准和风控方法论，支撑产品与运营解决实际风险问题。\n1. 扎实的机器学习/深度学习理论基础，在反作弊、异常检测、社区发现、知识图谱、NLP等至少一个领域有深入的研究和实践经验；\n2. 至少熟练使用Python、Java、C++中一种编程语言，熟练运用多种常用算法与数据结构；\n熟悉主流大模型技术栈（如skill、memory、agent teams等），有大模型应用开发或微调经验者优先；\n3. 对AI Agent、工作流自动化有认知或实践经验，具备将复杂业务流程抽象为可自动化系统的设计思维；\n4. 熟悉各类常见作弊手段与业务风控策略，有互联网风控反作弊模型设计经验者优先；\n具备优秀的逻辑思维能力和数据敏感度，对解决复杂对抗性问题充满热情。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [
"T009"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}