点评技术-数仓 AI Builder

1. 面向数仓团队的 Agent 工具建设 - 深入了解数仓团队的核心工作流程：需求沟通、模型设计、SQL 开发、任务编排、数据质量巡检、口径对齐、Ad-hoc 查询等； - 设计和建设面向数仓团队的 AI Agent 工具，覆盖智能 SQL 生成与优化、智能数据探查、自动化数据治理、自然语言取数等场景； - 建设面向数据消费方（分析师、运营、产品等）的智能取数 Agent，让非技术同学通过自然语言即可完成数据查询和分析； - 探索 Generative UI 在数据查询和分析场景的应用，让数据交互更直观、更高效。 2. 数仓工作流程识别与 AI 提效 - 系统性梳理数仓团队从需求到上线的全流程，识别高耗能、高重复、高出错率的环节； - 结合内外部 AI 能力，设计并落地提效方案，例如：智能需求解析与口径对齐、SQL 自动生成与性能优化、数据异常智能归因、指标血缘自动梳理等； - 推动“人写 SQL → AI 生成 SQL”、“人查数据 → AI 主动推送洞察”的工作方式转变。 3. Agentic 架构与技术实现 - 设计面向数据领域的 Agentic System，结合 Agentic RAG、Text-to-SQL、Agentic Workflow 等技术，提升数据查询和分析的准确率和可靠性； - 解决在多数据源、多模型协作场景下的可扩展性问题，确保 Agent 能稳定对接异构数据平台； - 完成存量数据工具的低成本 Agent 集成，支持数仓团队自建数据 Skill； - 结合 CodeAgent 模式，降低数据 Agent 的构建和迭代门槛。 4. 数据与知识体系建设 - 建设面向 Agent 友好的元数据和知识体系，包括表结构、指标定义、口径说明、常用查询模式等； - 低成本完成数仓知识库的生产、管理、消费流程，确保表信息、指标口径、开发规范等知识无过时、冲突、冗余； - 完善基于测评驱动的数据 Agent 生产流程，建设覆盖 Text-to-SQL、数据归因、口径问答等场景的评测集，快速评估 Agent 效果。 5. 模型能力适配与优化 - 针对数据领域场景（SQL 生成、数据理解、口径问答等）进行模型评测和选型，选择高性价比方案； - 协同算法团队完成数据领域场景模型的 SFT、DPO 等训练优化工作； - 跟踪 Text-to-SQL、Table QA 等方向的前沿进展，评估并引入适合的模型能力。 【任职要求】 1. 5年+ 研发经验，有数据仓库或数据平台相关经验； 2. 对 Agentic System 有扎实理解，熟悉 LangChain、LangGraph 等框架，有 Agent 开发和落地经验； 3. 熟悉数据仓库核心流程（模型设计、SQL 开发、ETL 调度、数据质量治理），对数仓痛点有切身体会； 4. 精通 AI Coding，有 Spec Coding 实践经验； 5. 在构建可靠、可扩展系统方面有良好判断力，对数据准确性和一致性有高标准； 6. 对 AI 技术趋势有敏锐洞察，能快速学习和应用新工具、新框架。