1、负责企业级语义层/本体建模的顶层设计，将业务领域知识通过本体建模形式化为可计算的本体模型（T-Box），设计类层次结构、对象/数据属性、基数约束与SWRL/SHACL规则，构建跨系统的统一语义标准； 2、负责本体模型的设计、构建、迭代与落地实施，主导业务域知识梳理、实体定义、关系抽取与语义体系搭建，有蚂蚁金服本体建模相关项目经验优先。 3、主导知识图谱存储架构选型（RDF Store/属性图/时序图），设计A-Box实例化映射策略、实体解析（FERN）与主数据治理（MDM）集成方案，实现多源异构数据的语义统一； 4、构建数据血缘追踪体系，确保从原始数据到推理结论的完整可追溯性；与业务和AI团队深度协作，将本体约束嵌入LLM推理流程，实现神经-符号融合（Neuro-Symbolic）的RAG增强与Agent决策验证； 5、建立本体生命周期治理体系，涵盖版本控制（Git-like）、变更影响分析、向后兼容策略与自动化迁移工具；最终使业务数据从"可存储"升级为"可理解、可推理、可信任"的企业知识基础设施。 6、支撑业务团队开展基于语义层和本体技术的流程智能体的构建，实现智能体业务决策的确定性和可追溯性。 1、核心技术栈要求：精通OWL 2（DL/RL/QL/EL）语义表达能力与复杂度权衡，熟练运用Protégé/WebProtégé进行大规模本体建模，掌握Owlready2/OWL API进行程序化本体操作与推理机（HermiT/Pellet/RDFox）集成； 2、存储与计算：精通Neo4j（Cypher优化、GDS图算法）、GraphDB（RDF*/SPARQL-star）、TigerGraph（分布式GSQL）或AbutionGraph（时序原生），熟悉向量数据库（Milvus/Pinecone/pgvector）与混合RAG架构；数据工程：掌握Spark/Flink ETL、CDC（Debezium）、dbt数据建模，具备主数据管理（Reltio/Informatica）与实体解析（规则+ML混合）实战经验； 3、AI集成：熟悉LangGraph/AutoGen/CrewAI智能体框架，能将T-Box约束转化为LLM Prompt工程与输出验证层，理解Embedding模型（BERT/Sentence-BERT）与跨模态对齐；时序与推理：掌握时序数据建模（InfluxDB/AbutionGraph）、复杂事件处理（Flink CEP/Esper）、规则引擎（Drools）与约束求解（OptaPlanner）； 4、工程与治理：具备Python/Java全栈开发能力，熟悉Kubernetes云原生部署，掌握数据血缘工具（Apache Atlas/DataHub/OpenLineage）与MCP协议实现； 5、具备制造/金融/医疗等垂直领域的业务抽象能力，能将模糊业务规则精确形式化为本体约束，拥有跨部门协作与技术布道经验，制定企业级语义标准并推动生态落地。 6、具备企业级本体技术落地经验优先。