第113章 T厂的招聘（1/2）

鹏城的秋天来得晚，十月底的午后依然带着夏末的余温。林晨坐在书房里，屏幕上同时开着三个终端窗口：左边是港股实时行情，中间是美股盘前数据，右边则是他刚写完的一篇技术博客草稿——关于多市场量化系统中时间序列对齐的工程实践。

投资系统运行半年多，累计盈利已经超过四万。这个数字不算惊人，但胜在稳定。更重要的是，这套系统像一台精密的机器，在A股、港股、美股三个市场间自动运转，几乎不需要他手动干预。每天开盘前检查一遍风控指标，收盘后看看汇总报表，剩下的时间他可以完全投入到技术学习和项目开发中。

这种“被动收入”带来的从容感，是半年前那个被裁员后焦虑失眠的林晨无法想象的。

手机震动了一下，是张伟发来的微信：“老林，T厂AI部门最近在招人，岗位要求我发你了，看看有没有兴趣”。

林晨点开链接，跳转到T厂招聘官网。页面设计简洁大气，深蓝色背景上“AILab”几个字母格外醒目。他滚动鼠标，仔细阅读岗位描述：

高级AI算法工程师（量化方向）

负责金融量化交易模型的研发与优化

要求精通Python、PyTorch/TensorFlow，有扎实的机器学习理论基础

有量化交易系统开发经验者优先

熟悉A股、港股、美股至少一个市场的交易规则

具备大规模数据处理和分布式系统经验

岗位要求一栏列了十几条，从算法到工程，从理论到实践，几乎覆盖了AI量化领域的所有技能点。最后一行写着：“本岗位竞争激烈，需通过五轮技术面试及一轮总监面”。

林晨深吸一口气。

T厂——国内互联网的顶级殿堂，AI领域的前沿阵地。如果能进去，不仅意味着职业生涯的彻底翻身，更意味着能接触到最顶尖的技术、数据和人才。但竞争有多激烈，他心里清楚。去年T厂AI部门的校招录取率不到1%，社招只会更残酷。

他盯着屏幕看了足足三分钟，然后打开了自己的简历文档。

这份简历已经迭代了十几个版本。从最初简单罗列工作经历，到现在重点突出技术项目和开源贡献，每一处修改都记录着他这半年来的成长轨迹。最新版本里，最醒目的位置是三个板块：

核心项目：多市场智能投资系统

自主研发的量化交易系统，覆盖A股、港股、美股

采用LSTM+Attention的时序预测模型，年化收益率18.7%（回测数据）

构建了完整的工程链路：数据采集→特征工程→模型训练→实时推理→自动交易

实现了跨市场风控和资金调度模块

开源贡献

PyTorch-Quant：一个轻量级量化交易框架，GitHubStar327

贡献了TensorFlowExteFX）的两个bug修复

在Mediu和知乎专栏发表技术文章12篇，累计阅读量超50万

技术栈

机器学习：精通传统ML算法，熟悉/RNN/Transforr等深度学习模型

工程能力：熟悉Docker/K8s部署，有AWS/Aliyun云服务经验

量化金融：熟悉技术指标、因子挖掘、组合优化等量化方法论

林晨逐字逐句地检查，调整了几个表述不够精准的地方，然后把简历导出为PDF。文件名特意用了“林晨_AI量化_10年经验_项目突出.pdf”这样的格式——这是他从一篇面试攻略里学到的技巧，方便HR快速抓取关键信息。

接下来是寻找内推渠道。

林晨打开脉脉，这个职场社交App他注册了半年，但一直没怎么用。他在搜索框输入“T厂AI”，跳出来几百个相关用户。他按照“AILab”“量化”“算法”等标签筛选，最终锁定了三个可能的目标：一个在T厂AI部门工作三年的算法工程师，一个是量化组的TechLead，还有一个是负责招聘的HRBP。

该联系谁？

本章未完，点击下一页继续阅读。