Job description
- 认知型供应链数仓底座建设： 全域数据建模：与数据BP协同，进行采购、履约、仓储、物流等全链路数据的建模与治理，解决多源异构数据的口径冲突，建设离线与实时融合的高质量数仓。 决策指标标准化：针对算法和大模型所需的关键特征，建立标准的指标计算体系，确保业务系统、BI 报表与算法模型使用的是同一套数据资产。
- 面向 LLM 的非结构化数据工程： 多模态语料流水线：开发自动化链路，对非结构化数据进行清洗与提取，为大模型微调提供高质量语料。 RAG基建：负责搭建高性能的向量数据库集群，开发文本切片与向量化的高效写入流程。
- 实时特征与决策上下文服务： 特征平台建设：基于 Flink/Spark Streaming 构建实时计算任务，为决策提供秒级的状态感知能力。 数据服务化：将复杂的底层数据封装为标准化 API 服务，确保Agent 与求解器能便捷、稳定地获取决策所需的上下文信息。
- 数据闭环与反馈机制： 反馈链路工程：设计并开发数据回流机制，自动收集业务人员对模型建议的采纳/修改记录，构建 RLHF所需的数据集，助力模型持续进化。
任职要求 / Qualifications:
- 专业技能： 专业背景：计算机相关专业本科及以上学历，3年以上大数据开发经验。 大数据栈：精通 SQL，深入理解分布式计算原理，熟练掌握 Hadoop / Spark / Flink / Kafka 等主流组件，有 PB 级数据处理经验。 编程能力：至少精通一门编程语言（Python/ Java / Scala），其中 Python 熟练者优先。 OLAP 引擎：熟悉 ClickHouse / Doris / StarRocks 等 MPP 数据库的原理与调优，有实时数仓落地经验。
- AI Infra / 大模型工程经验： 向量库实战：熟悉 Milvus / Pinecone / ElasticSearch 等向量存储与检索技术。 非结构化处理：有过使用 LangChain、LlamaIndex 或自定义脚本处理 PDF/HTML/Text 数据的经验。 特征工程：了解 Feature Store（特征存储）概念，有相关平台建设经验者优先。
- 业务理解与协作： 领域知识：了解供应链基本业务流程者优先，能理解“库存准确性”对自动化决策的致命影响。 团队协作：与算法、数据科学家紧密配合，准确理解模型对数据时效与分布特征的需求。
符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。