1、协助医疗大模型/Agent训练数据集的全生命周期管理，包括多源异构数据（EMR、PACS、文献、指南）的采集、清洗、去重、脱敏及质量评估，确保入模数据的高质量与合规性； 2、标注体系与质量管理： 协助搭建医疗数据标注平台的工作流，制定标注规范（SOP），设计质检规则与一致性校验算法，监控并提升人工/自动标注数据的准确率； 3、医疗知识图谱/知识库构建支持： 参与医疗术语标准化（ICD/SNOMED CT/中医病证分类等）、实体对齐与关系抽取的数据准备工作，维护元数据字典与数据血缘，支撑RAG系统与Agent工具链的准确调用； 4、数据安全与合规落地： 在导师指导下，参与患者隐私保护、数据分级分类、伦理审查流程的技术实现，协助完成算法备案、人类遗传资源管理等合规审计所需的数据溯源与文档准备； 5、数据治理工具开发： 参与内部数据治理平台、自动化质检脚本、ETL管道的开发与维护，用工程化手段提升数据治理效率，减少人工干预。 1、研究生及以上学历；计算机科学、软件工程、数据科学、医学信息学、生物医学工程、卫生统计学、公共卫生等相关专业； 2、精通SQL，熟悉Python数据处理生态（Pandas/NumPy/Polars等），具备10万级以上结构化/非结构化数据清洗、转换、分析的实操经验； 3、了解ETL/ELT工具（如Airflow/DolphinScheduler/DataX）或大数据组件（Spark/Hive/Flink）的基本原理与使用； 对数据质量维度（完整性、准确性、一致性、时效性）有量化评估意识，能编写自动化检核脚本者优先。 4、AI与医疗数据认知：了解至少一种医疗数据标准（HL7/FHIR/DICOM/ICD-10/OMOP CDM），或有医院信息系统（HIS/EMR/LIS）数据对接、科研数据整理经验者优先；