数据工程师（LLM数据标注与平台搭建方向）

一、岗位职责
• 负责LLM相关数据的格式标注工作，制定标注规范与质量校验标准，保障标注数据的准确性、一致性，支撑大模型训练、微调及优化场景的数据需求。
• 基于Java技术栈搭建及迭代数据平台，涵盖数据采集、清洗、存储、标注流转、检索等核心模块，实现数据处理全流程的自动化与高效化。
• 参与数据平台的架构设计与技术选型，解决平台运行中的高可用、高性能问题，保障海量LLM标注数据的稳定处理与安全存储。
• 协同算法团队梳理数据需求，优化标注流程与数据处理链路，提升数据交付效率，助力大模型在相关业务场景的落地应用。
• 负责数据平台相关文档的编写与维护，包括技术设计文档、操作手册、标注规范文档等，保障团队协作顺畅。
二、核心技术能力
1. LLM数据标注能力
精通LLM相关数据的格式标注规则，熟悉常见LLM数据类型（如对话生成、文本分类、信息抽取、prompt工程、知识库问答等）的标注方法；熟练使用LabelStudio等主流数据标注工具，具备标注工具配置、流程自定义及批量标注处理的实战经验；具备标注规范制定、标注质量把控、标注问题排查的实战能力，能有效提升标注团队的工作效率与数据质量。
2. Java开发能力
具备5年以上Java开发实战经验，精通Java开发语言，熟悉JDK8及以上版本特性；深入理解面向对象编程思想，扎实掌握集合框架、多线程并发、IO流等基础技术，能熟练运用Spring、Spring Boot、MyBatis等主流开发框架进行项目开发、迭代及问题优化；具备Java项目性能调优、故障排查的丰富经验。
3. 数据平台搭建能力
具备完整的数据平台搭建实战经验，熟悉数据平台的核心架构（数据采集层、处理层、存储层、应用层）；能独立完成数据采集脚本开发、数据清洗规则实现、标注流程模块搭建、数据存储方案设计（如MySQL、Redis、Hadoop等）；熟练掌握RAG（检索增强生成）技术原理与落地实践，能将RAG技术融入数据平台，实现标注数据的高效检索、知识库构建及与大模型的协同应用。
4. 数据处理与工具应用
熟悉常见的数据处理工具与技术，能应对海量数据的清洗、转换、格式标准化等需求；了解数据可视化工具的使用，可实现标注数据质量、平台运行状态等关键指标的可视化展示；了解Python语言及相关数据处理库（如Pandas、Numpy）者优先。
三、任职资格
• 5年以上相关工作经验，其中包含5年以上Java开发经验及1年以上LLM数据格式标注实战经验，熟练使用LabelStudio等数据标注工具、具备RAG技术落地经验及完整数据平台搭建项目经历者优先。
• 本科及以上学历（能力突出者可放宽），计算机科学与技术、数据科学、软件工程等相关专业优先；深入理解LLM数据标注的核心价值，清楚标注数据对大模型性能的影响。
• 具备良好的问题排查能力，能快速定位并解决数据标注过程中的格式问题、平台运行中的技术故障。
• 关注数据领域与大模型相关技术趋势，具备较强的学习能力与创新意识，能积极探索数据标注与数据平台优化的新方法、新技术。
• 具备良好的沟通表达能力与跨团队协作精神，能高效配合算法、产品等团队完成工作；具备严谨的逻辑思维与文档编写能力。
四、优先条件
• 有大模型训练/微调相关数据标注项目经验，熟悉特定行业（如智能制造、金融、医疗等）LLM数据标注场景者优先。
• 熟悉分布式数据存储与计算技术（如Hadoop、Spark、Flink等），具备大数据平台搭建与优化经验者优先。
• 了解LangChain、Spring AI等大模型应用开发框架，或有数据标注工具二次开发经验者优先。
• 具备数据安全、数据脱敏相关实践经验，熟悉数据合规相关要求者优先。