企业微信-基于大语言模型的非结构化数据知识挖掘与智能体应用研究

课题背景： 企业办公场景中沉淀了海量非结构化数据资产，蕴含着丰富的业务知识与关联信息。本课题旨在基于大语言模型，从复杂的非结构化数据中安全、精准地提取结构化知识，并构建自动化的知识挖掘与分析系统，为企业智能化升级提供核心技术支撑。 课题挑战：

1. 01

   复杂数据的结构化提取：原始数据存在边界模糊、话题交织、语义歧义等特征，需攻克高难度的非结构化文本解析与结构化表示难题。

2. 02

   深层知识关系挖掘：从海量文本中挖掘隐含的实体关系、业务流程与知识图谱，要求极高的准确率和鲁棒性。

3. 03

   知识与智能体的融合应用：将挖掘所得的结构化知识与智能体（Agent）能力深度结合，在实际业务场景中实现稳定、可泛化的智能应用。 具体工作： 深度参与非结构化数据知识挖掘与智能体应用的研发工作。核心职责包括：基于 LLM 设计并优化知识抽取与图谱构建方案，探索结构化知识与智能体系统的融合路径，推动研究成果在真实场景中落地。

岗位职责

1. 01

   计算机、数学、统计学、自然语言处理、机器学习、人工智能及相关理工科专业，博士学历优先，特别优秀的硕士亦可考虑；

2. 02

   具备LLM驱动的知识图谱构建、信息抽取、结构化处理经验者优先，包括但不限于图数据库应用、实体对齐等；

3. 03

   熟悉序列建模、行为预测等技术，有数据挖掘相关研究经验者优先；

4. 04

   有顶会论文发表、知名研究机构实习经验或开源项目贡献者优先。