{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "AI研发工程师-智能风控方向",
        "job_level": "校招",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "北京",
        "work_mode": "未披露",AI生成
        "job_category": "软件研发"AI生成
    },
    "company": {
        "company_name": "小米集团",
        "company_industry": "消费电子 / 智能制造 / 物联网",
        "company_size": "10000人以上",
        "company_website": "xiaomi.com",
        "company_description": "小米是一家消费电子和智能制造企业，以智能手机、智能硬件和物联网平台为核心。"
    },
    "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、参与建设面向零售、服务、整车等业务的 AI 风控工作流与应用平台，围绕风险主动发现、特征与数据分析、风险识别、策略生成与上线、监控复盘、客诉分析与处置辅助等场景，形成端到端闭环。 \n2、基于 LangGraph、LangChain、AutoGen 等 Agent 框架及工作流编排能力，设计并实现具备任务规划、工具调用、知识检索、状态管理和人工审核能力的智能风控应用，提升风险分析、策略运营和案件处置效率。 \n3、以 MCP 为核心建设风控工具生态，标准化接入数据仓库、特征与标签平台、策略平台、规则引擎、案件系统、监控告警、知识库及内部服务，保障工具调用的权限控制、审计追踪、稳定性和可维护性。 \n4、结合 RAG、结构化检索、SQL 分析及现有算法能力，建设风险知识库和分析助手，支持异常线索挖掘、风险归因、特征分析、策略效果评估和运营决策辅助。 \n5、与产品、算法、运营及业务团队协同，将实际业务问题拆解为可落地的 AI 工作流；持续优化模型调用效果、工具成功率、流程时效和人工提效，并推动应用稳定上线。",
        "requirements_text": "1、计算机基础扎实，熟练使用 Python，至少掌握一门后端开发语言（Go、Java、C++、Rust 等）；熟悉 Git、Linux、数据库、接口开发及容器化部署。 \n2、有大模型应用、Agent 或工作流平台相关项目经验，熟悉 LangGraph、LangChain、AutoGen、LlamaIndex 等任一框架；理解 MCP、Function Calling、RAG、Prompt Engineering、Memory、Workflow Orchestration 等方法，并能够独立完成应用落地。 \n3、具备较好的工程化能力，能够设计和实现稳定、可扩展、可观测的服务；了解工具调用鉴权、日志审计、异常降级、评测与监控等机制。 \n4、具备数据分析与问题定位能力，熟悉 SQL、数据处理及常见检索方案；能够围绕风险线索、策略效果、工具调用链路和用户反馈提出可量化的优化方案。 \n5、对风控、反作弊、智能运营或企业级 AI 应用有兴趣；具备良好的沟通与协作能力，能够与产品、算法、运营和业务团队共同推进复杂问题落地。 \n6、有风控、反作弊、策略平台、数据平台、RAG/MCP/Agent 应用或多系统集成经验者优先。",
        "skills": [AI生成
            "Python",
            "Java",
            "C++",
            "Rust",
            "SQL",
            "Linux",
            "数据库",
            "数据分析",
            "审计",
            "Go",
            "大语言模型",
            "检索增强生成"
        ],
        "preferred_qualifications": "6、有风控、反作弊、策略平台、数据平台、RAG/MCP/Agent 应用或多系统集成经验者优先",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://xiaomi.jobs.f.mioffice.cn/campus/m/position/7671289294427113737/detail"
            }
        ]
    },
    "posting": {
        "posting_id": "7671289294427113737",
        "post_date": "2026-08-07",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://xiaomi.jobs.f.mioffice.cn/campus/m/position/7671289294427113737/detail"
    },
    "fulltext": "AI研发工程师-智能风控方向\n职位描述\n1、参与建设面向零售、服务、整车等业务的 AI 风控工作流与应用平台，围绕风险主动发现、特征与数据分析、风险识别、策略生成与上线、监控复盘、客诉分析与处置辅助等场景，形成端到端闭环。 \n2、基于 LangGraph、LangChain、AutoGen 等 Agent 框架及工作流编排能力，设计并实现具备任务规划、工具调用、知识检索、状态管理和人工审核能力的智能风控应用，提升风险分析、策略运营和案件处置效率。 \n3、以 MCP 为核心建设风控工具生态，标准化接入数据仓库、特征与标签平台、策略平台、规则引擎、案件系统、监控告警、知识库及内部服务，保障工具调用的权限控制、审计追踪、稳定性和可维护性。 \n4、结合 RAG、结构化检索、SQL 分析及现有算法能力，建设风险知识库和分析助手，支持异常线索挖掘、风险归因、特征分析、策略效果评估和运营决策辅助。 \n5、与产品、算法、运营及业务团队协同，将实际业务问题拆解为可落地的 AI 工作流；持续优化模型调用效果、工具成功率、流程时效和人工提效，并推动应用稳定上线。\n\n职位要求\n1、计算机基础扎实，熟练使用 Python，至少掌握一门后端开发语言（Go、Java、C++、Rust 等）；熟悉 Git、Linux、数据库、接口开发及容器化部署。 \n2、有大模型应用、Agent 或工作流平台相关项目经验，熟悉 LangGraph、LangChain、AutoGen、LlamaIndex 等任一框架；理解 MCP、Function Calling、RAG、Prompt Engineering、Memory、Workflow Orchestration 等方法，并能够独立完成应用落地。 \n3、具备较好的工程化能力，能够设计和实现稳定、可扩展、可观测的服务；了解工具调用鉴权、日志审计、异常降级、评测与监控等机制。 \n4、具备数据分析与问题定位能力，熟悉 SQL、数据处理及常见检索方案；能够围绕风险线索、策略效果、工具调用链路和用户反馈提出可量化的优化方案。 \n5、对风控、反作弊、智能运营或企业级 AI 应用有兴趣；具备良好的沟通与协作能力，能够与产品、算法、运营和业务团队共同推进复杂问题落地。 \n6、有风控、反作弊、策略平台、数据平台、RAG/MCP/Agent 应用或多系统集成经验者优先。\n1、参与建设面向零售、服务、整车等业务的 AI 风控工作流与应用平台，围绕风险主动发现、特征与数据分析、风险识别、策略生成与上线、监控复盘、客诉分析与处置辅助等场景，形成端到端闭环。 \n2、基于 LangGraph、LangChain、AutoGen 等 Agent 框架及工作流编排能力，设计并实现具备任务规划、工具调用、知识检索、状态管理和人工审核能力的智能风控应用，提升风险分析、策略运营和案件处置效率。 \n3、以 MCP 为核心建设风控工具生态，标准化接入数据仓库、特征与标签平台、策略平台、规则引擎、案件系统、监控告警、知识库及内部服务，保障工具调用的权限控制、审计追踪、稳定性和可维护性。 \n4、结合 RAG、结构化检索、SQL 分析及现有算法能力，建设风险知识库和分析助手，支持异常线索挖掘、风险归因、特征分析、策略效果评估和运营决策辅助。 \n5、与产品、算法、运营及业务团队协同，将实际业务问题拆解为可落地的 AI 工作流；持续优化模型调用效果、工具成功率、流程时效和人工提效，并推动应用稳定上线。\n1、计算机基础扎实，熟练使用 Python，至少掌握一门后端开发语言（Go、Java、C++、Rust 等）；熟悉 Git、Linux、数据库、接口开发及容器化部署。 \n2、有大模型应用、Agent 或工作流平台相关项目经验，熟悉 LangGraph、LangChain、AutoGen、LlamaIndex 等任一框架；理解 MCP、Function Calling、RAG、Prompt Engineering、Memory、Workflow Orchestration 等方法，并能够独立完成应用落地。 \n3、具备较好的工程化能力，能够设计和实现稳定、可扩展、可观测的服务；了解工具调用鉴权、日志审计、异常降级、评测与监控等机制。 \n4、具备数据分析与问题定位能力，熟悉 SQL、数据处理及常见检索方案；能够围绕风险线索、策略效果、工具调用链路和用户反馈提出可量化的优化方案。 \n5、对风控、反作弊、智能运营或企业级 AI 应用有兴趣；具备良好的沟通与协作能力，能够与产品、算法、运营和业务团队共同推进复杂问题落地。 \n6、有风控、反作弊、策略平台、数据平台、RAG/MCP/Agent 应用或多系统集成经验者优先。",
    "standard_classification": {
        "std_category_code": "T009",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}