Alva（AI 投研 Agent 平台）| 上海 / Remote | PM · Quant/Algo Engineer · AI Engineer
公司**：Alva —— 面向 quantamental investing 的 AI 平台。我们在做的
岗位信息
## Alva（AI 投研 Agent 平台）| 上海 / Remote | PM · Quant/Algo Engineer · AI Engineer **公司**：Alva —— 面向 quantamental investing 的 AI 平台。我们在做的是「投研工作流的 AI Agent」：从想法生成、数据分析、趋势监控，到策略开发与回测，用户可以在平台上搭建、分享、Remix 自己的策略。创始团队此前做出过 Galxe（Web3 最大的增长平台，3000 万用户、$20M ARR）。团队小而精，全员 AI-native。 官网： **投递**：简历发 `[email protected]`，邮件标题备注岗位名。非猎头/中介发布，我是 Alva 的 HR，直接对接。 --- ### 1. Product Manager（上海 onsite · Full-time · 50-90万） 端到端 own 核心产品模块，和工程、设计一起交付： - **AI Harness / Agent 编排**：自然语言 → 可靠的金融 Agent（检索 / 可视化 / 回测 / 执行） - **交易执行**：从想法到实盘的最后一公里 - **Playbook / Remix 生态**：把它设计成可组合的内容与分发引擎 - **产品路线图**：在能力、简洁、灵活、可靠之间做优先级决策 我们想找的人： - 自己动手用 AI 造过东西（Claude Code / Cursor / n8n / 自建 agent），不是只会协调排期 - 说得清 LLM + 工具调用 + 记忆 + 规划的基本链路；知道 RAG vs 微调怎么选、上下文窗口 / 成本 / 延迟的取舍、MCP 是什么、AI 产品的 evals 怎么设计 - 对金融市场有真实好奇心（自己交易、有 thesis、或做过投研 / 财富 / 券商方向的产品） - 有 0→1 经验，能和工程一起讨论多 Agent 编排、可观测性、降级方案 **加分（越是非技术背景做到越加分）**：研究过 Claude Code / Codex 这类 agent harness 的运作原理并持续 follow 它们的迭代；有 GitHub 可查；面试前玩过 Alva，能大致逆向出我们的 harness / Playbook 机制。 **流程**：有一道 5 天的笔试 —— 构建一个 Portfolio Watch Skill，让任何用户用它生成带界面和 Alert 的 Playbook。看作品，不看 PPT。 不必要的条件：MBA、名校、大厂 title。 ### 2. Quant / Algo (Trading Systems) Engineer（上海on-site或者美国远程 · 100万） ⚠️ **这是交易系统工程岗，不是策略研究岗**。做的是 Alva quantamental Agent 背后那层执行引擎，scope 类似 QuantConnect Lean： - 事件驱动的回测引擎（数据对齐、性能） - 策略 runtime（用户自定义逻辑、生命周期、状态管理）、Paper trading 环境 - 实盘链路：signal → order → execution - Broker / Exchange 集成（REST / WebSocket）、订单生命周期（成交、部分成交、对账） - 回测 / 模拟 / 实盘三态一致性，幂等、延迟、滑点 期待你： - 有真实生产级交易系统经验 —— bug 会直接变成钱的那种，不是研究脚本或玩具回测 - 现代栈：Python / Go / Rust - 碰过或建过事件驱动回测器，或做过 IBKR / Alpaca / Binance 等 broker 集成 - 在乎正确性和边界情况胜过上线速度 **硬性要求（AI fluency）**：我们是 AI-native 团队，除交易系统工程能力外，需要你有实际的 AI 工程实践——日常用 AI coding 工具（Claude Code / Cursor / Codex）开发，且做过 agent / LLM tool-use 类项目（最好 GitHub 或 demo 可查）。一面就是现场 1 小时用 AI 工具构建一个能跑的 agent，简历上完全看不到 AI 实践痕迹的同学请先不用投。 ### 3. AI Engineer（上海on-site或者美国远程 · 50-100万） Build & ship 能可靠完成投研任务的 AI Agent： - 设计、构建、部署 AI Agent - 给 Agent 配上专用工具和知识 - 实现安全护栏（guardrails） - 建 evals、监控表现、快速迭代 - 和产品、运营、量化研究员协作 期待你： - 工程基本功扎实，能端到端 own 一个系统 - 对 AI 既兴奋又有判断力 —— 会推理可靠性、失败模式，而不是堆名词 - 对市场/投资有好奇心（不要求 domain 专家） 我们特别看重 **evals 是一等公民**：能设计评测、量化 agent 可靠性并据此迭代。只调过 `openai.chat()` 包一层的经历偏弱，做过多步可靠 agent 才是我们的线。 --- 以上岗位均提供 equity。有任何问题欢迎邮件直接问我。