1. 数据采集与整理：依据业务与模型需求，设计并实现网页爬虫、开放 API 调用等数据采集流程。处理多种非结构化数据（如网页文本、XML、Markdown、PDF 等）的解析、抽取与结构化落库；

2. 根据算法团队需求，构建和整理指令数据、问答数据、对话数据等，按约定格式生成训练语料。对原始数据进行脱敏、切分、标签整理等预处理，为标注与训练环节提供合规且高质量的数据输入；

3. 配合后端与算法团队，搭建支撑 AI 应用（如智能助手、知识问答、智能客服等）的数据流程，包括向量化处理、索引构建、日志采集、用户反馈数据沉淀、特征更新等；

4. 与产品、算法、后端等团队保持良好沟通，理解业务背景与需求，能够对数据方案提出合理建议。

1. 计算机科学、软件工程、数据科学、数学等相关专业，本科及以上学历；

2. 熟练使用 Python 进行数据处理与脚本开发，熟悉常见数据处理相关库（如 pandas 等）；

3. 具备扎实的 SQL 基础，能够独立完成常见的数据查询、聚合统计与基础性能优化；

4. 对大语言模型训练数据的重要性有基本认识，理解指令数据、对话数据、知识库数据等在模型效果中的作用；

5. 具备良好的沟通表达与跨团队协作能力。

1. 使用任务调度 / 工作流工具（如 Airflow、Prefect 或同类工具等）管理定时任务与数据流程依赖；

2. 有使用 FastGPT、Dify、Flowise、n8n、LangChain、LlamaIndex 等大模型应用平台或编排框架的实践经验者优先，了解其在对话机器人、RAG 检索、工具调用编排等场景中的使用方式；

3. 接触过 Spark、Flink、Hadoop、ClickHouse 等任一大数据或高性能存储 / 计算系统；

4. 参与过大模型训练 / 微调 / RAG 等项目的数据侧工作，了解完整数据 pipeline；

5.在技术社区或开源社区有贡献（如技术博客、开源项目、技术分享等）。