一、数据资产与数据管线建设 负责文档数据资产化​：设计「文档—型号—厂商—参数域」的元数据模型与数据编目，建立数据血缘、快照与版本回溯能力。 负责多模态数据的清洗与标准化​：单位量纲归一、参数别名映射、测试条件绑定、冲突参数裁决、乱码与错版识别。 二、标注体系与数据质量治理 设计 Datasheet 参数抽取的标注 Schema 与规范​：覆盖字段级取值、表格结构、图文关联、单位与量纲、限定条件（如温度/电压/测试条件）、缺失值与多值表达，输出可执行的标注指南与判定示例库。 建设人机协同标注流程​：模型预标注 + 人工审核 + 抽检复核 + 双盲交叉校验，定义一致性指标与准入门槛，管理标注产能、成本与交付节奏。 建立数据质量度量体系​：开发自动质检规则与异常检测，推动 badcase 从发现到修复的闭环。 三、数据集与评测体系建设 负责评测基准与量化指标建设：字段级抽取准确率/召回率、表格结构相似度、图文联合抽取匹配度、端到端参数入库准确率等，维护回归测试集与版本化评测报告。 负责数据反馈循环​：建立线上 badcase 归因、回流、再标注与再训练机制，联动算法与 Agent 团队完成 Prompt、策略、微调数据的迭代优化。 四、算法协同与业务落地 与算法、Agent 开发团队协同，提供数据侧输入：数据格式与采样策略、SFT/偏好/指令数据配比建议、微调与评测数据口径对齐，参与模型效果分析与归因。 参与公司 Datasheet 智能提参平台的数据模块建设与 AI 化改造，推动数据能力服务化（API/数据集市），支撑多业务线复用。