岗位职责
企业知识库体系设计：主导企业级知识库的整体架构设计，覆盖知识采集、清洗、切分、向量化、存储、检索、更新与权限管理的全链路，支撑内部问答、智能客服、文档助手、研发知识管理等场景。 RAG 系统研发与优化：负责检索增强生成（RAG）系统的核心算法研发，包括查询理解与改写、混合检索（向量+关键词）、重排序（Rerank）、上下文压缩、引用溯源与幻觉抑制，持续提升回答的准确率与可信度。 知识治理与数据工程：建立企业知识的分类体系、元数据规范与质量评估机制，主导多源异构数据（PDF/Word/Excel/PPT/Confluence/飞书/数据库/工单等）的解析、结构化与增量同步方案，能结合Ontology、LLM wiki等理念实践和对比知识加工框架。 多模态知识库建设：推动图文、表格、音视频等多模态知识的接入与检索，解决图表理解、版面解析、跨模态召回等关键问题。 知识库平台与工具链：参与或主导知识库平台（如 Dify、RAGFlow、FastGPT、LangChain/LlamaIndex 生态）的选型、二次开发与工程化落地，构建可复用的知识处理流水线。 评测与迭代体系：搭建端到端评测体系（召回率、准确率、忠实度、时效性等），通过 A/B 测试与 badcase 分析驱动持续迭代。 业务赋能与协作：与业务方、产品、工程团队紧密协作，将知识库能力沉淀为标准化服务（API/SDK），支撑多业务线复用。 团队建设与指导：指导中团队参与技术路线规划、专利与论文撰写，提升团队整体技术影响力。
职位要求
计算机、人工智能、信息管理、情报学等相关专业，硕士及以上学历，博士优先。 5年以上 AI / NLP / 搜索推荐相关经验，其中3年以上知识库、RAG 或企业搜索相关经验；有主导过企业级知识库从0到1落地的完整经验。 精通 RAG 全链路技术，熟悉主流 Embedding 模型（BGE、GTE、E
- Jina 等）、向量数据库（Milvus、Qdrant、Weaviate、pgvector、Elasticsearch 等）与重排序模型（BGE-Reranker、Cohere Rerank 等）。 熟悉文档解析与切分策略，掌握 PDF 版面分析、表格抽取、OCR 等工具（如 MinerU、Unstructured、PaddleOCR、LayoutLM 等）。 熟悉检索算法（BM
- 稠密检索、混合检索、多路召回）与查询理解技术（Query Rewrite、HyDE、多跳检索、GraphRAG）。 熟悉 LangChain / LlamaIndex / Haystack 等框架，具备 RAG 系统的工程化落地能力。 熟悉Harness/RSI等前沿Agent理念和框架，对如何面向Agent提供知识有实战经验。 具备扎实的编程能力，熟悉向量检索性能优化与大规模数据处理。 有可量化的知识库/RAG 落地成果（如问答准确率提升、人工客服替代率、检索效率优化等），有专利、论文或开源贡献者优先。 软性能力 较强的业务理解能力，能将模糊的业务需求转化为可落地的技术方案； 优秀的跨团队沟通与项目推动能力； 对知识管理、企业智能化有长期兴趣与热情。
