1. 岗位能力画像与简历优化模板
金融Agent工程师是一个复合型岗位，它同时要求候选人理解金融业务逻辑、掌握大模型与Agent工程能力，并能把二者落地为可交付的系统。很多候选人简历写得像“算法工程师”或“后端工程师”，却忽略了金融场景特有的合规、风控、数据敏感性与可解释性要求，导致在初筛阶段就被淘汰。本章的目标是帮你建立一张清晰的岗位能力画像，并据此重构简历，让面试官在10秒内看到你与岗位的匹配点。
一、核心原理：岗位能力画像的三层结构
金融Agent工程师的能力不是单一技能点，而是三层能力的叠加。第一层是金融业务理解，包括资产类别、交易流程、风控指标、监管约束；第二层是Agent工程能力，包括任务规划、工具调用、记忆管理、多Agent协作；第三层是工程化与合规落地，包括数据隔离、审计日志、模型输出校验、回滚机制。三层缺一不可，面试官通常会用“你做过什么金融场景”“Agent怎么设计”“怎么保证不出错”三个问题分别验证。
二、方法流程：从能力画像到简历结构
简历不是经历罗列，而是能力证据的排列组合。建议按以下流程重构：
- 提取岗位关键词：从JD中抽取高频词，如“RAG”“Function Calling”“风控”“合规”“多轮对话”“知识库”。
- 映射个人经历：把每段经历对应到三层能力中的至少一层，避免只写“参与模型训练”。
- 量化成果：用“指标+幅度+时间”句式，例如“将投研问答准确率从72%提升到89%，耗时3周”。
- 前置匹配点：把最相关的金融Agent项目放在简历前1/3位置。
三、关键词清单与成果量化句式
下表列出金融Agent工程师简历中高价值关键词与推荐量化句式，可直接替换到你的项目中。
| 能力层 | 关键词 | 成果量化句式 |
|---|---|---|
| 金融业务 | 投研、风控、反洗钱、KYC、资产配置 | 为XX投研场景设计Agent，覆盖XX类资产，日均处理XX条查询 |
| Agent工程 | RAG、Function Calling、ReAct、多Agent | 基于ReAct框架实现工具调用，任务完成率从XX%提升至XX% |
| 合规落地 | 审计日志、输出校验、数据隔离、回滚 | 引入输出校验与审计日志，将违规输出率降至XX%以下 |
四、案例/场景：一份简历的前后对比
优化前：“负责金融问答机器人开发，使用LangChain和向量数据库，完成知识库检索功能。”
优化后：“面向券商投研场景，基于LangChain+RAG构建金融Agent，接入研报、公告、行情三类数据源；通过Function Calling调用估值计算工具，投研问答准确率从72%提升至89%，单次响应耗时降低40%，并加入输出合规校验与审计日志，满足内部风控要求。”
优化后的版本同时体现了金融场景、Agent技术栈、量化结果和合规意识，面试官能立刻判断你“懂业务、会工程、能落地”。
五、复盘与自检清单
- 简历前1/3是否出现“金融+Agent”双关键词？
- 每个项目是否至少有一个量化指标？
- 是否体现了合规、风控或数据安全意识？
- 技能标签是否与JD关键词一一对应？
- 能否用一句话说清每个项目的业务价值与技术难点？
简历自检命令式清单：
1. grep "金融|风控|合规|RAG|Agent" 简历.md
2. 检查每个项目是否包含：场景 + 技术 + 指标
3. 删除与岗位无关的通用描述
4. 把最匹配的项目移到第一段经历完成本章的自检后，你的简历已经具备进入面试筛选的基本条件。接下来要做的，是把简历中的每个项目拆解成可被追问的面试答案。