（1）主导数据资产全生命周期管理（采集、盘点、标准化、质量评估、安全监控、退役）的AI Agent 设计与研发智能化改造，运用大语言模型（LLM）与Agent技术框架，将复杂的治理流程封装为可自主执行、交互、决策的AI Agent。 （2）流程抽象与工具整合：深入理解现有数据资产管理工具（数据目录、元数据管理、数据质量管理等）的运作机制，提炼关键操作与决策节点，设计Agent的感知-决策-执行闭环，打通Agent与各类数据资产工具的底层接口。 （3）核心能力构建：针对数据资产的管理动作，开发意图识别、任务规划、工具调用、结果校验等核心模块，确保Agent能精准完成数据盘点、标签补全、质量工单自动派发、血缘分析等端到端任务。 （4）跨团队协同与落地验证：与数据治理团队、需求分析师及平台研发紧密协作，将业务规则转化为Agent可执行的策略；负责Agent行为评估、持续调优，并在HR等典型业务场景中推动验证和规模化落地。 （5）技术文档与知识沉淀：编写AI Agent的设计架构、接口规范、运维指南等文档，沉淀自动化数据治理的Agent模板与最佳实践。 （1）AI技术背景：精通Python，熟悉大语言模型（如GPT、Llama等）原理及应用，有LangChain、AutoGen、Semantic Kernel等Agent开发框架的实战经验，能独立完成AI Agent的构建与部署。 （2）数据资产管理认知：拥有数据治理或数据资产管理的实战经验，理解元数据、数据血缘、数据质量、数据生命周期等核心概念，熟悉数据资产目录、元数据管理平台等工具的运作模式。 （3）工程化与架构能力：具备扎实的软件工程功底，熟悉分布式系统设计，能将Agent与现有数据工具（如高斯DB、数据中台组件）高效集成；有工具封装、API设计及性能优化能力。 （4）抽象与建模能力：擅长将人工操作的管理流程抽象为结构化的任务流和决策树，有RPA、工作流自动化或Agent过程建模经验者优先。 （5）软技能与经验：逻辑清晰，沟通协调能力强，能牵头跨团队项目；5年以上相关工作经验，有HR领域数据治理或ERP系统智能化改造项目经验者优先。