一、岗位职责：

1.基于LLM的知识图谱自动化构建系统：研发基于大语言模型（LLM）的多模态文档智能解析工具，支持PDF、PPT、Word、网页、图片等格式的结构化信息抽取；构建实体识别、关系抽取、属性抽取的LLM微调流水线，提升垂直领域知识抽取准确率；实现文档理解与知识增强，包括文档结构分析、表格解析、公式识别、跨文档关联，并设计实体对齐与消歧算法，解决多源异构数据的知识融合问题
2.大规模知识存储与查询引擎：基于NebulaGraph/gStore/ArangoDB等构建高并发知识图谱存储与查询引擎，实现复杂多跳查询的秒级响应（如5跳以上关系路径查询）；集成Milvus/Weaviate/Qdrant等向量数据库，构建统一的多模态向量检索系统，支持十亿级向量的毫秒级检索
3.AI记忆中台核心能力建设：构建基于知识图谱的RAG（检索增强生成）系统，支持事实性、可追溯的AI问答；研发动态记忆更新机制，支持知识图谱的增量更新与版本管理；实现文本、图像、音视频等多模态知识的统一表示与关联检索和跨模态对齐
4.系统架构与工程化：设计知识图谱系统的微服务架构，支持水平扩展与容灾切换，实现海量知识数据的增量更新与实时同步机制；优化知识抽取与构建的端到端流水线，支持TB级文档的自动化处理；将核心能力封装为API服务与SDK，支持业务团队快速集成，并提供领域适配框架，支持不同垂直行业的快速知识图谱构建

二、任职要求：
1.优先3年以上知识图谱、图数据库或向量检索系统开发经验，至少1年基于LLM的知识工程或RAG系统开发经验
2.精通知识图谱全栈技术，熟悉LLM和信息抽取、知识融合、存储查询等完整流程，至少精通一种主流图数据库（Neo4j/NebulaGraph/TigerGraph等）
3.向量检索系统经验：有Milvus/Weaviate/Qdrant等向量数据库实战经验
4.精通Python和C++，熟悉Java/Scala，熟悉PyTorch/TensorFlow框架
5.具备大规模数据处理系统设计经验，熟悉微服务架构、容器化部署、服务治理等云原生技术，有系统性能优化经验，能够解决高并发场景下的性能瓶颈
5.加分项：有数据库开发优化经验；有亿级实体规模知识图谱项目经验；有开源项目贡献经验；在相关领域顶会有论文发表（如KDD、WWW、ACL、EMNLP）

三、申请材料及程序：

1、材料：

完整的个人简历（中英文）。

2、程序

请将以上申请材料发送至recruitment@sribd.cn

邮件主题应为：姓名-最高学历-毕业院校-专业-申请的岗位名称；如“张三-博士-XX大学-软件工程-AI大模型开发工程师”，研究院人力资源处将对申请材料进行初选，初选合格者将受邀参加远程面试。

四、联系方式

联系人：关老师

联系电话： 86-755-23517558