1. 知识图谱建模与设计： 根据业务需求，设计知识图谱的Schema（本体/数据模型），定义实体、关系、属性及其约束。
2. 图谱构建与填充： 利用数据工程师处理好的结构化/半结构化数据，构建和填充知识图谱。应用知识融合技术解决数据冲突和冗余。
3. 图数据库选型与管理： 精通主流图数据库（Neo4j, NebulaGraph, TigerGraph等）的选型、部署、数据建模、查询优化与维护。
4. 图查询与推理： 熟练使用图查询语言（Cypher, Gremlin, nGQL等）进行复杂查询。探索和应用图推理算法挖掘隐藏关系。
5. RAG深度集成： 设计并实现将知识图谱作为强大的检索源深度集成到RAG系统中的方案（超越简单的向量检索，利用图关系进行更精准、可解释的检索和推理）。探索图增强的检索策略。
6. Agent知识服务： 为知识密集型AI Agent提供基于图谱的知识查询、推理和更新服务接口。
7. 图谱更新与演化： 设计并实现知识图谱的更新、演化机制和质量监控。
8. 工具与规范： 制定知识图谱构建规范，开发或引入图谱管理、查询、可视化调试工具。
9. 技术赋能： 撰写图谱技术文档，培训团队使用图谱和集成图谱的RAG方案。

任职要求

1.AI技术栈：
精通知识图谱核心理论和技术栈（本体建模、图数据库、图查询、图推理）。
精通至少1-2种主流图数据库的核心原理、部署、建模语言、查询优化。
深入理解RAG架构，并专注于如何将图谱深度融入RAG流程。
了解AI Agent对知识服务的需求模式。
经验要求：
2年以上知识图谱设计、构建和应用的实战项目经验。
有将知识图谱成功应用于实际系统（特别是搜索、推荐、问答或RAG系统）的经验。
有图数据库选型、部署和性能优化经验。
2.核心技能：
知识图谱建模与设计。
图数据库的深度应用与优化。
图查询与图推理。
知识图谱与RAG/AI Agent的深度集成。