职位描述：
1、构建多源数据采集链路（网络/数据库/API），实现自动接入、增量同步及异常监控，完成数据入湖入仓的分层治理。
2、开展数据清洗与标准化工作（处理错误、重复、缺失数据），实施规范化的ETL/ELT流程，完善元数据管理与血缘追踪。
3、设计数据标注规则与质量检验机制（如抽样检查、交叉核验），将质量指标嵌入数据流程，持续优化查询性能与数据复用效率。
4、结合复述、同义替换、语序变换以及生成式AI与规则引擎进行数据增强，支持批量并行处理并评估增强效果。
5、协同算法、研发与运维团队，开发轻量级后端接口与实用工具，总结并推广高效实践，提升整体协作效能。

职位要求：
1、本科及以上学历，计算机或数据相关专业；掌握NLP基础知识，了解大模型后续训练流程及其数据需求。
2、熟练使用Python，精通Pandas/NumPy/Spark/Flink；至少熟悉FastAPI/Flask/SpringBoot中的一项框架。
3、具备前端基础知识（Vue/React/HTML/CSS/JS），可配合前端完成工具界面联调。
4、熟悉MySQL/PostgreSQL/MongoDB中至少一种数据库，具有数据建模意识和性能调优经验。
5、1–3年数据处理或数据工程相关经验；具备LLM数据标注、增强、合成、工程化落地，或数仓建设、采集系统、数据工具开发经验者优先。
6、具备数据质量分析与故障排查能力，能快速定位并解决数据管道、存储系统及前后端协作问题；沟通良好，学习能力强，热爱AI领域，能撰写清晰的技术文档。