数据采集与AI应用工程师

数据采集：参与公司核心数据采集系统的开发、维护与架构优化，团队协作实践高并发、高可用的采集架构设计，优化数据采集策略、调度与存储问题。

AI Agent：承接业务需求的 AI Agent 开发任务，涉及数据标注、提示词工程、复杂工作流编排、知识库构建与集成，实现智能化业务场景。

模型微调：参与特定场景下的模型微调（Fine-tuning），利用AI能力解决数据清洗、智能解析、图像生成优化等实际问题。

质量保障：负责所开发模块的数据质量监控、性能分析与持续优化，编写高质量代码与技术文档。

协同创新：深入业务与产品、分析团队紧密协作，共同探索数据驱动与AI赋能的新解决方案

学历专业：本科及以上学历，计算机、软件工程、人工智能等相关专业，具备扎实的计算机基础和出色的逻辑思维能力。

编程能力：精通 Python，熟悉常用数据结构、算法、设计模式及网络编程，代码风格良好。

数据采集：深刻理解网络协议、网页结构，熟练掌握至少一种主流爬虫框架（Scrapy 等）及动态页面处理技术，有实际项目经验。

AI 技术热情：对AI应用开发有强烈兴趣，理解机器学习基本原理，对大语言模型（LLM）应用开发有初步实践或深入研究。

工程化思维：了解软件开发流程，熟练使用版本控制（Git）、单元测试及基本的系统设计原则。

架构视野：在课程设计、实习或个人项目中，有数据采集系统架构设计、性能优化或重构的经验，能够思考并解决大规模采集中的策略、调度、存储等挑战。

全栈潜质：具备一定的前端基础（如 React/Vue/JavaScript），或有能力开发简单用户界面以配合后端数据服务与AI能力展示。

AI 深度实践：在提示词工程、AI Agent 框架（如 LangChain）、知识图谱/RAG、或工作流自动化方面有项目经验；或参与过公开数据集的模型训练与微调项目。

技术广度：了解 Docker、消息队列、云服务等常用开发运维工具，能将技术方案进行工程化落地。

成果证明：在重要编程竞赛、学术研究、高质量开源项目或实习中有突出表现者将获得极大优先考虑