岗位职责
- 构建面向 AI Agent 的智能数据基座（DaaS），基于淘天统一指标库与语义层，打通“业务语言—数据资产—分析逻辑”链路，支持自然语言到指标、API 或 SQL 的自动映射（Text-to-SQL/NL2API），为上层决策 Agent 提供一致、实时、高性能的数据事实供给。
- 支撑 KASS（Knowledge as a Service）底层基础设施，设计知识分块策略、嵌入存储方案、元数据标注体系与向量检索链路，优化 RAG 在复杂业务语境下的准确性、时效性与上下文连贯性。
- 开发面向 Agent 工具调用（Tool Use）的数据服务接口，为实验分析、因果推断、波动归因、用户定向、预测规划等原子能力提供标准化、低延迟、高可用的数据输入/输出协议，并支持多轮对话状态管理与记忆持久化。
- 打造自助式数据agent（如“验川”实验数据平台、“决明”Agent 数据中枢），推动数据能力产品化与智能化；同时构建端到端数据质量监控、异常检测与血缘追踪体系，保障关键指标、特征与链路的可靠性、安全合规与 SLA 达标。
职位要求
- 计算机科学、软件工程、数据科学或相关专业本科及以上学历，3 年以上大型互联网公司数据平台、数据中台或 AI 基础设施研发经验，有电商、智能决策或 Agent 系统数据体系建设背景者优先。
- 具备高并发、低延迟数据服务开发能力，精通湖仓一体架构（Iceberg/Delta Lake/Hudi）、批流一体计算引擎（Flink/Spark Streaming）及主流 OLAP 系统（ClickHouse/Doris/Presto），熟悉统一指标平台（如 Minerva/DataHub）设计理念与工程实践。
- 熟悉向量数据库（Milvus/Pinecone/Weaviate/Qdrant）原理、性能调优与大规模部署经验，了解 RAG 对数据清洗、分块粒度、embedding 一致性等工程挑战。
- 工程能力扎实，代码规范，熟练使用 Python/Java/Scala 中至少一种；具备产品化思维，能从 DS、Agent 及业务用户视角设计数据服务，重视易用性、扩展性与运维效率。
- 加分项：有 LLMOps 平台、AI Agent 中台、Feature Store 或开源数据项目（如 Apache Hop, OpenMetadata）贡献经验；熟悉 LangChain Tools、LlamaIndex Data Connectors 或语义层工具。
