岗位定位
负责数据补全与治理的落地，定义行业标签结构与知识分类逻辑，建设面向 AI 智能体的高质量数据底座，支撑业务智能体的检索、配对与问答。
岗位职责
数据补全 Pipeline 落地
将数据补全规则转化为可调度、可监控、可重试的自动化任务；
落地文档解析、结构转换、多源数据交叉校验与降级策略；
确保品牌、产品、公司、资质等字段按规则补全、可追溯。
行业标签结构定义
面向制药、食品、家居等不同展览行业，定义产品属性 Schema、标签分类层级与知识结构；
与业务侧对齐标签口径，确保标签可用于圈选、配对与检索。
知识库与 RAG 落地
基于标签结构，参与或配合知识库内容建设知识库内容建设，包括知识分段、向量化、混合检索、Reranker 优化；
在数据 ready 基础上，配合 AI 侧完成检索与验证，确保智能问答与产品检索在买家真实提问场景下准确可用。
数据质量与证据链校验
监控字段补全的准确率与证据链完整性；
识别来源冲突，推动规则迭代与异常数据修正。
AI 应用组件沉淀
将行业标签模板、补全 Pipeline、质检规则沉淀为可复用组件与操作手册；
支撑更多展览行业复用落地。
职位要求：
教育背景：本科及以上学历，计算机、大数据、人工智能等相关专业。
工作经验：
3 年以上数据领域经验，具备数据仓库、数据治理、字段标准、数据质量实践；
1 年以上 AI 应用或数据补全落地经验，能结合规则、AI、自动化流程完成数据补全；
有展览、贸易或垂直行业数据产品、标签体系建设经验者优先。
专业技能：
熟悉 Python、SQL，掌握 ETL、非结构化文档解析等数据流程；
具备数据补全方案设计与落地能力，熟悉规则引擎、自动化流程或 AI 调用中的一种或多种方式；
了解 RAG、向量数据库、Embedding、Reranker 等基础概念；
理解数据标准、元数据、数据质量体系。
通用能力：
能快速理解不同行业的业务逻辑与产品知识；
能与业务线确认字段口径、理解买家搜索意图；
能把模糊的业务需求转化为结构化、可执行的数据方案。
