参与 AI 软件工程体系建模 1. 参与 AI 软件工程体系中的对象建模工作，包括需求、任务、代码、测试、缺陷、评审、部署、运行、约束、模板等。 2. 协助梳理软件研发全流程中的关键对象、属性、关系、规则和指标。 3. 参与构建标准化知识模型、工程规则和业务模型，支撑 AI 辅助开发流程。 4. 配合团队完成工程规范、流程规则、模板资产和知识资产的沉淀。 参与企业AI应用场景落地和 AI 生态资产建模 1. 参与 AI 生态中 AI 技能、MCP 工具、智能体、工作流、知识库、模型服务等资产的建模和业务场景分析、设计、落地。 2. 协助定义资产分类、标签体系、元数据、版本规则、质量标准和生命周期状态。 3. 支撑 AI 能力市场、工具市场、智能体市场中的资产上架、检索、推荐、复用和治理。 4. 配合产品、研发和业务团队，将业务场景抽象为可复用的 AI 工程资产。 参与大模型基础设施建模 1. 参与大模型基础设施相关对象建模，包括模型、服务、算力资源、GPU、Token、租户、权限、调用链路、成本等。 2. 协助构建模型服务、智能体、MCP 工具、AI 技能、业务应用之间的关系模型。 3. 参与 AI 网关、Token 计量、模型路由、服务治理、成本分析等场景的模型设计。 4. 支撑 AI 资产图谱、工程知识图谱、服务地图等能力建设。 参与企业AI规范标准化制定与推广 1. 参与编写模型说明文档、资产规范、命名规范、标签规范和使用手册。 2. 协助整理优秀案例、培训材料和标准化模板。 3. 跟踪资产使用反馈，持续优化模型结构和资产质量。 4. 推动标准化资产在研发、平台和业务团队中的应用。 基础要求 1. 本科及以上学历，计算机科学与技术、软件工程、人工智能、数据科学与大数据技术等相关专业优先。 2. 具备良好的逻辑思维能力、结构化表达能力和文档写作能力。 3. 了解数据建模、知识图谱、本体建模、元数据管理、标签体系、业务流程建模中的一种或多种概念。 4. 理解软件工程基本流程，了解需求、设计、开发、测试、发布、运维等研发活动。 5. 对 AI Agent、RAG、MCP、Prompt、知识库、AI 工程化等方向有兴趣。 6. 具备较强学习能力、沟通能力和跨团队协作意识。 加分项 1. 有知识图谱、图数据库、数据中台、研发效能平台、低代码平台、资产管理平台等相关项目经历。 2. 熟悉 Neo4j、RDF、OWL、SPARQL、JanusGraph、TigerGraph 等图谱或语义建模技术。 3. 有软件工程知识图谱、代码知识图谱、企业知识库、服务地图、业务流程建模项目经验。 4. 有产品设计、业务分析、数据分析、系统分析、技术文档编写相关经历。 5. 参与过 AI 应用、智能体、RAG 知识库、MCP 工具、Prompt 模板、AI 工作流等项目。 6. 有竞赛、论文、专利、开源项目、实习经历者优先。