一、岗位基本信息

岗位名称：AI项目管培生

岗位核心定位

本岗位聚焦大模型、RAG智能问答等AI应用场景，区别于传统IT数据岗位，核心负责AI项目全链路的数据治理与企业知识体系搭建。通过梳理、清洗、标准化业务数据，萃取、结构化、迭代业务知识，为AI模型训练、微调、智能检索问答提供高质量、合规、可用的数据与知识资产，从源头解决大模型幻觉、问答不准、信息滞后等核心问题，是AI产品落地迭代的核心支撑岗位。

二、岗位职责

（一）AI数据治理工作

1. 数据资产盘点梳理：负责各类业务数据（业务文档、产品手册、工单、会话记录、结构化数据库、多媒体资料等）的全盘盘点，梳理数据来源、格式、归属权限、更新频率，搭建AI专属数据资产目录，筛选可用于模型训练、知识库落地的有效数据。

2. 数据清洗与加工标准化：针对原始数据存在的重复、缺失、乱码、格式混乱、无效冗余等问题，完成数据过滤、纠错、去重处理；统一各类文档格式，完成长文本切片、分段优化，适配大模型读取与检索逻辑。

3. 数据集质量管控：制定AI场景专属数据质量标准（准确率、完整度、低冗余率、低噪声率），定期开展数据集巡检，输出质量检测报告；区分训练集、验证集、测试集，做好数据集版本管理与变更日志记录，持续优化数据质量。

4. 数据合规与安全治理：排查数据中的隐私信息、商业机密、版权风险，完成数据脱敏、敏感信息剔除、侵权内容筛查；建立数据权限分级机制，留存数据使用记录，保障AI数据使用合规合法。

5. 标注协同管理：协助撰写数据标注规范，配合标注团队完成标注结果质检、一致性校验，优化标注流程，保障数据集标注精度。

（二）AI知识治理工作

1. 业务知识萃取：从零散的业务文档、规章制度、专家经验、业务流程资料中，剥离冗余话术，萃取核心有效知识，整理标准化FAQ、业务流程、操作规范、问题解决方案等知识条目。

2. 知识体系搭建：负责搭建企业AI知识库分类目录，梳理业务术语库、实体关系图谱，统一业务名词定义，解决一词多义、多词一义、知识冲突等问题，让AI精准理解业务逻辑。

3. 知识库迭代维护：承担知识入库审核、内容校对工作，保障入库知识准确有效；根据业务规则、产品迭代动态，及时更新、下线过期知识，规避AI输出过时信息、错误信息的问题。

4. RAG效果优化：跟进AI智能问答、检索应用效果，复盘问答错误、检索失效、答案偏差等案例，定位知识缺失、切片不合理、检索匹配度低等问题，迭代优化知识分段规则、关键词配置、元数据信息，持续提升AI问答精准度。

5. 知识运营赋能：收集业务端、用户端使用反馈，持续优化知识库内容与结构；制定知识录入、更新SOP，协助培训业务人员规范提交知识资料。

（三）项目协同与管培成长工作

1. 跨部门协同对接，联动算法、AI产品、业务团队，精准承接AI项目数据、知识需求，落地治理方案；

2. 负责各类治理规范、SOP、项目周报、复盘报告、验收文档的撰写与落地；

3. 学习使用向量数据库、数据治理平台、智能知识库等工具，完成基础配置、测试与运维工作；

4. 参与岗位轮岗学习，熟悉AI数据、知识、产品全链路流程，积累AI项目落地实战经验。

三、任职要求

1. 本科及以上学历，26、27届应届生优先，统计学、数据科学、计算机、汉语言、新闻传播、工商管理、理工科等相关专业均可，专业不限；

2. 逻辑思维清晰，文字功底扎实，具备较强的文本阅读理解、信息提炼、总结归纳能力，能高效处理零散、复杂的业务资料；

3. 细心严谨、责任心强，对数据、文字敏感度高，具备良好的问题排查能力和执行力；

4. 了解大模型、RAG知识库、AI数据治理基础概念者优先，无相关经验可培养；

5. 具备良好的跨部门沟通能力、团队协作能力，愿意深耕AI治理方向，长期成长发展。

四、管培培养与发展路径

1. 系统培养：一对一导师带教，从零学习AI数据治理、知识治理全流程，掌握AI项目落地核心能力，无需零基础经验；

2. 核心赛道：深耕人工智能大模型落地核心环节，岗位刚需性强、不可替代性高。

五、薪资福利

1. 极具竞争力的应届生薪资、绩效奖金；

2. 完善的五险一金、带薪年假、节日福利、定期团建；

3. 完善的新人培训体系、清晰的晋升通道、稳定的项目资源加持；

4. 扁平化管理、轻松办公氛围，专注个人能力提升与职业长期发展