本体模型研发架构师/AI(J10933)

领域本体建模：主导业务领域（如立项评审、审批流、合同/合规、组织权限等）的概念抽象与形式化建模，输出OWL2本体（类层次、对象/数据属性、约束、公理），并维护其可读性、一致性与可复用性。

上层本体对齐：基于BFO/DUL/UFO等上层本体进行对齐设计，保证跨领域本体在时间、过程、角色、组织等基础概念上的互操作与一致性。

知识图谱架构设计：选型并设计本体存储与图谱层（Stardog/GraphDB/Virtuoso/RDF4j/Neo4j等），定义RDF化、版本化、多源对齐与演化策略。

推理与校验能力：实现基于OWL2RL/EL/DLprofile的推理（HermiT/Pellet/ELK），以及基于SWRL/SHACL的规则校验与业务约束执行，支撑审核规则的形式化校验。

与LLM/RAG協同：设计“本体增强RAG”链路——本体引导的知识检索、Text-to-SPARQL、本体驱动的提示结构化与幻觉抑制；探索LLM辅助本体半自动构建与对齐。

工程化与系统对接：将本体服务封装为可被流程引擎/审批系统/审核Agent调用的API（推理、校验、查询、解释），保证性能与可观测性。

本体治理与演进：建立本体版本管理、变更评审、向后兼容与影响分析机制，推动本体作为“组织知识资产”的持续演进。

本科及以上, 计算机、人工智能、知识工程、语义网、信息管理相关专业

工作经验3年以上知识工程/语义网/知识图谱相关研发经验；架构师级别需5年以上，其中至少2年主导本体或知识图谱平台架构。 技能要求

精通OWL2、RDF/RDFS、Turtle、SPARQL1.1；熟练使用Protégé/TopBraid等本体编辑工具；理解OWL2profile（RL/QL/EL/DL）的取舍与可判定性边界；掌握至少一类推理机与SHACL/SWRL规则工程实践。

熟悉BFO/DUL/UFO等上层本体中至少一种，能完成领域本体与上层本体的对齐设计。

具备RDF四元组库（Stardog/GraphDB/Virtuoso/RDF4j）或图数据库（Neo4j）的生产级使用与性能调优经验。

Python（rdflib/owlready2/SPARQLWrapper）或Java（ApacheJena/OWLAPI/EclipseRDF4J）至少其一达到工程化交付水平。

了解NER、关系抽取、实体链接、本体对齐，能评估并集成LLM/NLP抽取结果到本体管线。

熟悉Git、CI/CD、API设计、日志与监控，能将本体服务工程化为可运行、可测试的系统。