公司直属-科技研发部-知识工程专家(J16776)

候选人需要具备以下核心能力并交付以下核心产出：

1. 业务知识理解与抽象能力

理解业务、识别知识、提炼规律。能够深入业务场景，理解业务流程、规则、决策逻辑和专业术语。能够识别显性知识与隐性知识，提炼专家经验。能够将业务问题转化为知识建模需求。

核心产出：业务知识地图、业务规则体系、知识需求清单。

2. 知识建模与体系构建能力

将知识从文档转化为结构化资产。掌握本体、分类体系、知识图谱、语义模型等建模方法。能够建立实体、属性、关系、规则及概念之间的关联。能够设计跨部门、跨系统的统一知识体系。

核心产出：知识模型、领域本体、知识图谱、语义标准。

3. 知识加工与工程化能力

把原始资料加工成高质量知识。掌握文档解析、OCR、表格抽取、信息抽取、实体识别等技术。能够进行知识清洗、去重、切分、标注、关联与版本管理。能够建设知识采集、加工、审核、发布和更新的自动化流水线。

核心产出：知识加工流水线、知识资产目录、质量管理机制。

4. 大模型与知识增强能力

让知识能够被AI理解和有效利用。理解RAG、Embedding、向量检索、混合检索、重排序等技术。掌握知识图谱与大模型结合、Agent知识调用、上下文工程等方法。能够针对复杂问题设计检索、推理、引用和回答机制。

核心产出：知识增强应用、RAG方案、知识调用机制。

5. 知识质量评估与持续优化能力

确保知识真正有效，而非仅仅可用。建立知识准确性、完整性、一致性、时效性评价体系。能够评估检索命中率、答案准确率、引用正确率和业务效果。能够根据用户反馈、错误案例和业务变化持续优化知识。

核心产出：知识质量标准、评测体系、知识迭代机制。

6. 知识治理与组织协同能力

让知识成为可持续运营的企业资产。建立知识权属、责任人、审核机制、生命周期和权限体系。理解数据安全、隐私保护、合规审查和知识隔离。能够协调业务部门、科技部门、风险合规部门共同运营知识。

核心产出：知识治理制度、权责体系、运营机制。

1、教育背景：计算机科学、人工智能、数据科学、软件工程等相关领域硕士及以上学历；

2、工作经验：具备5年以上实际工程项目开发经验，其中至少2年以上专注于RAG、知识库、语义搜索或LLM应用相关领域；

3、核心编程能力：精通Python，具备扎实的后端开发能力和系统调试能力；熟练使用SQL，具备数据工程能力；

4、知识工程与RAG技术：深刻理解Embedding、向量检索、文档切分（chunking）及混合检索的基础原理与最佳实践；具备生产环境RAG系统端到端（从数据接入到检索生成）的开发与调优经验；熟悉至少一种主流向量数据库（如Milvus、Qdrant、pgvector）或搜索引擎（如Elasticsearch）；

5、非结构化数据处理：具备处理复杂金融文档（如研报、公告）的实践经验，包括OCR、表格识别、版面分析、实体抽取等；

6、系统设计与架构能力：能独立进行技术方案设计，具备良好的系统模块化思维和API设计能力；

7、沟通与协作：具备优秀的沟通表达能力，能在技术语言与业务语言间转换，拥有强烈的业务伙伴心态。

加分项

1、金融领域深度：深刻理解券商业务（如投研、财富管理、合规风控）的微观结构与知识体系，有金融信息抽取、事件抽取或财经新闻检索项目经验；

2、高级检索技术：熟悉Hybrid Search、Reranking、Query Rewrite、多跳检索等高级技术，或有GraphRAG、知识图谱构建经验；

3、工程化与运维：具备容器化、MLOps、CI/CD经验，能关注推理成本、延迟和系统稳定性；

4、评测与合规意识：了解RAG自动化评测及数据质量评估方法，对数据权限、模型可解释性和审计追踪有实践认知；

5、开源贡献：在相关技术领域有开源项目贡献或技术博客。