IMC-工业知识库算法工程师

职位介绍

岗位职责：

负责公司内部工业知识库平台的算法架构设计与核心链路开发，覆盖设计研发、设备维修、工艺优化及质量根因分析等场景，实现多源异构文档的自动化解析、语义化存储与精准智能问答。

1、多源文档解析与清洗：负责对PDF、Word、Excel、PPT、HTML及图片等原始载体进行文字提取、结构化解析与数据清洗，处理表格、公式、流程图等复杂内容。

2、知识索引与召回优化：设计文档切片策略，优化向量化嵌入模型，构建并维护高性能知识向量库；负责召回、重排序（Rerank）及多跳推理（Multi-hop Reasoning）算法的效果评估与迭代调优。

3、工业语义理解与推理：针对工业领域专有术语、设备型号及工艺逻辑，构建实体识别与关系抽取流程，提升知识检索的准确性与上下文相关性。

4、工程化落地与文档规范：将算法封装为稳定服务，集成至内部知识平台；撰写高质量的技术开发文档，建立数据清洗与版本管理规范，确保工程代码的可维护性与可复现性。

任职要求：

1、本科（5年+）或硕士（3年+）学历，计算机、软件工程、电子信息等相关理工专业。

2、有2个以上完整的工业知识库/企业知识管理类算法项目落地经验（从数据接入到检索服务上线）。

3、精通Python；熟练使用正则表达式、XPath、OCR引擎（如PaddleOCR/Tesseract）及文档解析库（如PyMuPDF、python-docx、openpyxl）。

4、深入理解RAG技术栈，熟悉Embedding模型选型与微调、向量数据库（如Milvus/Pgvector）使用，以及常见召回策略（BM25、Dense Retriever）与Rerank模型的效果对比调优。

5、具备良好的软件工程习惯，熟悉Git、CI/CD及单元测试，文档撰写规范清晰。

6、软素质：逻辑严谨，善于抽象复杂工业知识结构；具备较强的跨部门沟通能力，能与业务专家高效对齐知识抽取标准。

加分项

1、有Graph-RAG或Agent-RAG框架（如LlamaIndex、LangGraph）的实际开发经验；

2、熟悉知识图谱构建（实体链接、关系推理）及图数据库（Neo4j）使用；

3、有大模型（LLM）微调或Prompt Engineering在工业场景的应用经验；

4、了解工业领域常见术语体系（如FMEA、设备故障代码、工艺参数标准）。

其他信息

行业要求：全部行业