岗位职责
- 数据 Agent 建设：参与面向商业化业务的 数据Agent建设：构建业务知识库（数仓资产、指标口径、历史案例的结构化沉淀）、建设知识图谱（实体关系抽取、指标血缘图谱、业务语义关联）、开发 Skill 组件（需求理解、技术方案、SQL 生成、异动溯源、自动报告等可复用工具能力）；推动 Agent 从「能跑通」走向「可信赖」
- 商业化数仓建设：参与商业化核心场景的数仓体系建设与内容建设：涵盖分层架构设计（ODS/DWD/DWS/ADS）、维度建模、核心指标技术实现；协助梳理和治理口径歧义，保障数仓作为 AI Agent 可信上下文的数据质量
- 数据价值挖掘与特征供给：参与商业化数据资产盘点与价值发现；面向广告算法模型的需求，参与特征工程建设，从业务理解出发定义候选特征、完成数据加工与质量校验，推动数仓团队从基建支撑到主动价值输出
职位要求
必要条件
- 研究生及以上在读，计算机、软件工程、统计学、数据科学、信息管理等相关专业；成绩优异，211/985 院校优先
- 数据仓库基础扎实：理解分层建模（ODS/DWD/DWS/ADS）、维度建模、数据血缘等核心概念；SQL 能独立完成复杂多表查询，Python 熟练用于数据处理与工程开发
- 大数据技术栈有实际使用经验：熟悉 Hive / Spark / Flink 等数据引擎，有真实项目或课程经历
- AI 应用有工程级理解：对大语言模型有自主学习积累，能说清楚 RAG 检索策略、Agent 工具调用机制、Prompt Engineering 方法论
- 逻辑清晰，对数据敏感，具备问题拆解能力与动手执行力；每周可实习 4 天及以上，实习周期不少于 3 个月 加分项 - 有 LLM / Agent 相关项目实践经验（知识库构建、Agent 链路搭建、RAG 系统开发等） - 了解知识图谱构建方法（实体识别、关系抽取、图数据库使用等） - 有特征工程经验（面向 CTR / CVR / 推荐等场景的特征定义与生产） - 有数据竞赛经历（Kaggle、天池等） 你能获得什么
- 真实商业化场景：深度参与广告核心数仓，接触小红书商业化最核心的数据链路
- AI × 数据工程复合能力：在 Agent 知识库、知识图谱、特征工程等前沿方向同时积累，远超传统数仓实习边界
- 顶配带教：资深数仓专家 1v1 指导，系统提升数据+ AI 综合能力
- 转正通道：表现优秀者可获得正式岗位机会，持续深入核心项目
