岗位职责
- 负责企业知识库、智能检索、RAG 相关算法能力建设，提升大模型在企业内部知识问答、信息查找、研发辅助等场景中的效果。
- 参与企业内部文档、代码、业务资料、流程知识等多源数据的理解、处理与检索能力建设，提升知识获取效率。
- 优化检索链路，包括查询理解、语义召回、关键词召回、排序优化、结果重排、上下文组织等核心能力。
- 结合大模型能力，提升知识问答结果的准确性、相关性、可追溯性和稳定性，减少无依据回答和幻觉问题。
- 参与企业知识的结构化处理，包括知识分类、标签体系、实体识别、关系建模、知识质量评估等工作。
- 建立检索与问答效果评估体系，通过数据分析、bad case 分析、离线评测和线上反馈持续优化系统表现。
- 与产品、工程和业务团队协作，将算法能力落地到企业知识库、智能助手、研发 Copilot、AI Agent 等实际场景中。
职位要求
- 计算机、人工智能、自然语言处理、数据挖掘、软件工程等相关专业，本科及以上学历。
- 具备搜索、NLP、推荐、知识图谱、大模型应用、RAG 或企业知识库相关项目经验。
- 熟悉信息检索基础，了解关键词检索、向量检索、语义匹配、排序模型、结果重排等常见技术。
- 熟悉大模型应用开发流程，理解 RAG、Embedding、Prompt、上下文构建、工具调用等基本概念。
- 具备较强的工程实现能力，熟练掌握 Python，并熟悉至少一种常用后端开发语言或工程框架。
- 具备良好的数据分析和实验能力，能够通过指标、实验和 bad case 分析持续优化算法效果。
- 具备较强的问题抽象能力和沟通协作能力，能够理解复杂业务场景，并转化为可落地的算法方案。 加分项
- 有企业搜索、知识库问答、智能客服、研发 Copilot、AI Agent、代码智能等项目经验。
- 熟悉 Elasticsearch、OpenSearch、Milvus、pgvector、Neo4j 等搜索、向量库或图数据库工具。
- 有知识图谱、实体识别、关系抽取、领域知识建模等相关经验。
- 有 Embedding、Reranker、排序模型、语义匹配模型优化经验。
- 有企业内部工具、研发平台、数据治理、知识管理等相关系统建设经验。
