主分类：数据工程与数据平台研发
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "大模型数据工程师",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "J1014"AI生成
},
"company": {
"company_name": "快手科技",
"company_industry": "内容社区 / 直播 / 电商 / 人工智能",
"company_size": "10000人以上",
"company_website": "kuaishou.com",
"company_description": "快手是内容社区与技术平台公司，业务覆盖短视频、直播、电商、本地生活与 AI 应用。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "大模型数据工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1014\n工作地点：北京\n发布时间：2026-08-09\n\n岗位职责\n数据工程不只是跑 Pipeline，主要承担三个层次的工作：训练数据供给（让模型学得好）、知识库建设（让 Agent 调得准）、记忆系统工程（让系统记得住）。三者共同构成大模型能力的数据底座，缺一不可。\n【训练数据工程】\n1、参与大模型训练数据的采集、清洗、去重、质量过滤的全链路建设，覆盖文本、图文、行为序列等多类型数据；\n2、设计并实现数据质量评估体系，包括规则过滤、模型打分、人工标注一致性分析；\n3、参与数据飞轮闭环建设，从线上反馈信号到数据回流、再到模型迭代的自动化链路；\n4、基于 Spark / Flink / Ray 等框架构建高吞吐数据处理 Pipeline，支撑 TB 级数据规模。\n【知识库工程】\n1、参与知识库的工程建设，包括知识采集、结构化抽取、Schema 设计、增量更新 Pipeline；\n2、构建知识条目的质量检测与覆盖率监控体系，保障知识的准确性与新鲜度；\n3、与 Agent 团队协作，优化知识在 RAG 链路中的召回率与命中精度，闭环分析 bad case；\n4、设计知识库的版本管理与回滚机制，支持多业务场景下的差异化知识配置。\n【记忆系统工程】\n1、参与AI 记忆系统的工程实现，包括用户记忆、会话记忆、场景记忆的写入、检索、更新、淘汰全链路；\n2、设计记忆存储方案，在向量数据库、KV 存储、结构化 DB 之间做合理分层，兼顾检索效率与存储成本；\n3、构建记忆质量评估体系，包括记忆准确性、召回相关性、对下游 Agent 任务的增益指标；\n4、研究记忆压缩、记忆蒸馏、长期记忆管理等前沿方向，结合业务场景落地。\n\n任职要求\n1、本科及以上学历，计算机、统计、信息工程等相关专业；\n2、熟练使用 Python，有数据处理实际经验（Pandas / Spark / SQL 均可）；\n3、对数据质量有洁癖，理解脏数据对模型的影响；\n4、能用 AI 工具加速数据脚本开发，有用 Vibe Coding 方式快速搭建数据 Pipeline 的经验或意愿。\n加分项\n1、有大规模数据 ETL 或数据仓库开发经验；\n2、熟悉 Ray Data / Dask / Spark 等分布式数据处理框架；\n3、了解大模型数据预处理标准流程（如 RedPajama、Dolma、FineWeb 等开源数据集的构建方法）；\n4、理解 RAG 原理，有向量检索（Faiss / Milvus / Elasticsearch）实际使用经验；\n5、了解大模型 Memory 机制的主流方案（MemGPT、Zep、mem0 等），或有相关工程实现经验；\n6、理解主动学习（Active Learning）或数据选择（Data Selection / Curriculum Learning）方法；\n7、有用 AI 工具生成、验证、调试数据处理代码的完整经历，能说清楚 AI 在你工作流中扮演的角色。",
"requirements_text": "大模型数据工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1014\n工作地点：北京\n发布时间：2026-08-09\n\n岗位职责\n数据工程不只是跑 Pipeline，主要承担三个层次的工作：训练数据供给（让模型学得好）、知识库建设（让 Agent 调得准）、记忆系统工程（让系统记得住）。三者共同构成大模型能力的数据底座，缺一不可。\n【训练数据工程】\n1、参与大模型训练数据的采集、清洗、去重、质量过滤的全链路建设，覆盖文本、图文、行为序列等多类型数据；\n2、设计并实现数据质量评估体系，包括规则过滤、模型打分、人工标注一致性分析；\n3、参与数据飞轮闭环建设，从线上反馈信号到数据回流、再到模型迭代的自动化链路；\n4、基于 Spark / Flink / Ray 等框架构建高吞吐数据处理 Pipeline，支撑 TB 级数据规模。\n【知识库工程】\n1、参与知识库的工程建设，包括知识采集、结构化抽取、Schema 设计、增量更新 Pipeline；\n2、构建知识条目的质量检测与覆盖率监控体系，保障知识的准确性与新鲜度；\n3、与 Agent 团队协作，优化知识在 RAG 链路中的召回率与命中精度，闭环分析 bad case；\n4、设计知识库的版本管理与回滚机制，支持多业务场景下的差异化知识配置。\n【记忆系统工程】\n1、参与AI 记忆系统的工程实现，包括用户记忆、会话记忆、场景记忆的写入、检索、更新、淘汰全链路；\n2、设计记忆存储方案，在向量数据库、KV 存储、结构化 DB 之间做合理分层，兼顾检索效率与存储成本；\n3、构建记忆质量评估体系，包括记忆准确性、召回相关性、对下游 Agent 任务的增益指标；\n4、研究记忆压缩、记忆蒸馏、长期记忆管理等前沿方向，结合业务场景落地。\n\n任职要求\n1、本科及以上学历，计算机、统计、信息工程等相关专业；\n2、熟练使用 Python，有数据处理实际经验（Pandas / Spark / SQL 均可）；\n3、对数据质量有洁癖，理解脏数据对模型的影响；\n4、能用 AI 工具加速数据脚本开发，有用 Vibe Coding 方式快速搭建数据 Pipeline 的经验或意愿。\n加分项\n1、有大规模数据 ETL 或数据仓库开发经验；\n2、熟悉 Ray Data / Dask / Spark 等分布式数据处理框架；\n3、了解大模型数据预处理标准流程（如 RedPajama、Dolma、FineWeb 等开源数据集的构建方法）；\n4、理解 RAG 原理，有向量检索（Faiss / Milvus / Elasticsearch）实际使用经验；\n5、了解大模型 Memory 机制的主流方案（MemGPT、Zep、mem0 等），或有相关工程实现经验；\n6、理解主动学习（Active Learning）或数据选择（Data Selection / Curriculum Learning）方法；\n7、有用 AI 工具生成、验证、调试数据处理代码的完整经历，能说清楚 AI 在你工作流中扮演的角色。",
"skills": [AI生成
"Python",
"SQL",
"Spark",
"Flink",
"Elasticsearch",
"数据库",
"模型训练",
"团队协作",
"招聘",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "加分项",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus.kuaishou.cn/recruit/campus/e/#/campus/job-info/13114?recruitSubProjectCodes="
}
]
},
"posting": {
"posting_id": "13114",
"post_date": "2026-08-09",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus.kuaishou.cn/recruit/campus/e/#/campus/job-info/13114?recruitSubProjectCodes="
},
"fulltext": "大模型数据工程师\n大模型数据工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1014\n工作地点：北京\n发布时间：2026-08-09\n\n岗位职责\n数据工程不只是跑 Pipeline，主要承担三个层次的工作：训练数据供给（让模型学得好）、知识库建设（让 Agent 调得准）、记忆系统工程（让系统记得住）。三者共同构成大模型能力的数据底座，缺一不可。\n【训练数据工程】\n1、参与大模型训练数据的采集、清洗、去重、质量过滤的全链路建设，覆盖文本、图文、行为序列等多类型数据；\n2、设计并实现数据质量评估体系，包括规则过滤、模型打分、人工标注一致性分析；\n3、参与数据飞轮闭环建设，从线上反馈信号到数据回流、再到模型迭代的自动化链路；\n4、基于 Spark / Flink / Ray 等框架构建高吞吐数据处理 Pipeline，支撑 TB 级数据规模。\n【知识库工程】\n1、参与知识库的工程建设，包括知识采集、结构化抽取、Schema 设计、增量更新 Pipeline；\n2、构建知识条目的质量检测与覆盖率监控体系，保障知识的准确性与新鲜度；\n3、与 Agent 团队协作，优化知识在 RAG 链路中的召回率与命中精度，闭环分析 bad case；\n4、设计知识库的版本管理与回滚机制，支持多业务场景下的差异化知识配置。\n【记忆系统工程】\n1、参与AI 记忆系统的工程实现，包括用户记忆、会话记忆、场景记忆的写入、检索、更新、淘汰全链路；\n2、设计记忆存储方案，在向量数据库、KV 存储、结构化 DB 之间做合理分层，兼顾检索效率与存储成本；\n3、构建记忆质量评估体系，包括记忆准确性、召回相关性、对下游 Agent 任务的增益指标；\n4、研究记忆压缩、记忆蒸馏、长期记忆管理等前沿方向，结合业务场景落地。\n\n任职要求\n1、本科及以上学历，计算机、统计、信息工程等相关专业；\n2、熟练使用 Python，有数据处理实际经验（Pandas / Spark / SQL 均可）；\n3、对数据质量有洁癖，理解脏数据对模型的影响；\n4、能用 AI 工具加速数据脚本开发，有用 Vibe Coding 方式快速搭建数据 Pipeline 的经验或意愿。\n加分项\n1、有大规模数据 ETL 或数据仓库开发经验；\n2、熟悉 Ray Data / Dask / Spark 等分布式数据处理框架；\n3、了解大模型数据预处理标准流程（如 RedPajama、Dolma、FineWeb 等开源数据集的构建方法）；\n4、理解 RAG 原理，有向量检索（Faiss / Milvus / Elasticsearch）实际使用经验；\n5、了解大模型 Memory 机制的主流方案（MemGPT、Zep、mem0 等），或有相关工程实现经验；\n6、理解主动学习（Active Learning）或数据选择（Data Selection / Curriculum Learning）方法；\n7、有用 AI 工具生成、验证、调试数据处理代码的完整经历，能说清楚 AI 在你工作流中扮演的角色。\n大模型数据工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1014\n工作地点：北京\n发布时间：2026-08-09\n\n岗位职责\n数据工程不只是跑 Pipeline，主要承担三个层次的工作：训练数据供给（让模型学得好）、知识库建设（让 Agent 调得准）、记忆系统工程（让系统记得住）。三者共同构成大模型能力的数据底座，缺一不可。\n【训练数据工程】\n1、参与大模型训练数据的采集、清洗、去重、质量过滤的全链路建设，覆盖文本、图文、行为序列等多类型数据；\n2、设计并实现数据质量评估体系，包括规则过滤、模型打分、人工标注一致性分析；\n3、参与数据飞轮闭环建设，从线上反馈信号到数据回流、再到模型迭代的自动化链路；\n4、基于 Spark / Flink / Ray 等框架构建高吞吐数据处理 Pipeline，支撑 TB 级数据规模。\n【知识库工程】\n1、参与知识库的工程建设，包括知识采集、结构化抽取、Schema 设计、增量更新 Pipeline；\n2、构建知识条目的质量检测与覆盖率监控体系，保障知识的准确性与新鲜度；\n3、与 Agent 团队协作，优化知识在 RAG 链路中的召回率与命中精度，闭环分析 bad case；\n4、设计知识库的版本管理与回滚机制，支持多业务场景下的差异化知识配置。\n【记忆系统工程】\n1、参与AI 记忆系统的工程实现，包括用户记忆、会话记忆、场景记忆的写入、检索、更新、淘汰全链路；\n2、设计记忆存储方案，在向量数据库、KV 存储、结构化 DB 之间做合理分层，兼顾检索效率与存储成本；\n3、构建记忆质量评估体系，包括记忆准确性、召回相关性、对下游 Agent 任务的增益指标；\n4、研究记忆压缩、记忆蒸馏、长期记忆管理等前沿方向，结合业务场景落地。\n\n任职要求\n1、本科及以上学历，计算机、统计、信息工程等相关专业；\n2、熟练使用 Python，有数据处理实际经验（Pandas / Spark / SQL 均可）；\n3、对数据质量有洁癖，理解脏数据对模型的影响；\n4、能用 AI 工具加速数据脚本开发，有用 Vibe Coding 方式快速搭建数据 Pipeline 的经验或意愿。\n加分项\n1、有大规模数据 ETL 或数据仓库开发经验；\n2、熟悉 Ray Data / Dask / Spark 等分布式数据处理框架；\n3、了解大模型数据预处理标准流程（如 RedPajama、Dolma、FineWeb 等开源数据集的构建方法）；\n4、理解 RAG 原理，有向量检索（Faiss / Milvus / Elasticsearch）实际使用经验；\n5、了解大模型 Memory 机制的主流方案（MemGPT、Zep、mem0 等），或有相关工程实现经验；\n6、理解主动学习（Active Learning）或数据选择（Data Selection / Curriculum Learning）方法；\n7、有用 AI 工具生成、验证、调试数据处理代码的完整经历，能说清楚 AI 在你工作流中扮演的角色。\n大模型数据工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1014\n工作地点：北京\n发布时间：2026-08-09\n\n岗位职责\n数据工程不只是跑 Pipeline，主要承担三个层次的工作：训练数据供给（让模型学得好）、知识库建设（让 Agent 调得准）、记忆系统工程（让系统记得住）。三者共同构成大模型能力的数据底座，缺一不可。\n【训练数据工程】\n1、参与大模型训练数据的采集、清洗、去重、质量过滤的全链路建设，覆盖文本、图文、行为序列等多类型数据；\n2、设计并实现数据质量评估体系，包括规则过滤、模型打分、人工标注一致性分析；\n3、参与数据飞轮闭环建设，从线上反馈信号到数据回流、再到模型迭代的自动化链路；\n4、基于 Spark / Flink / Ray 等框架构建高吞吐数据处理 Pipeline，支撑 TB 级数据规模。\n【知识库工程】\n1、参与知识库的工程建设，包括知识采集、结构化抽取、Schema 设计、增量更新 Pipeline；\n2、构建知识条目的质量检测与覆盖率监控体系，保障知识的准确性与新鲜度；\n3、与 Agent 团队协作，优化知识在 RAG 链路中的召回率与命中精度，闭环分析 bad case；\n4、设计知识库的版本管理与回滚机制，支持多业务场景下的差异化知识配置。\n【记忆系统工程】\n1、参与AI 记忆系统的工程实现，包括用户记忆、会话记忆、场景记忆的写入、检索、更新、淘汰全链路；\n2、设计记忆存储方案，在向量数据库、KV 存储、结构化 DB 之间做合理分层，兼顾检索效率与存储成本；\n3、构建记忆质量评估体系，包括记忆准确性、召回相关性、对下游 Agent 任务的增益指标；\n4、研究记忆压缩、记忆蒸馏、长期记忆管理等前沿方向，结合业务场景落地。\n\n任职要求\n1、本科及以上学历，计算机、统计、信息工程等相关专业；\n2、熟练使用 Python，有数据处理实际经验（Pandas / Spark / SQL 均可）；\n3、对数据质量有洁癖，理解脏数据对模型的影响；\n4、能用 AI 工具加速数据脚本开发，有用 Vibe Coding 方式快速搭建数据 Pipeline 的经验或意愿。\n加分项\n1、有大规模数据 ETL 或数据仓库开发经验；\n2、熟悉 Ray Data / Dask / Spark 等分布式数据处理框架；\n3、了解大模型数据预处理标准流程（如 RedPajama、Dolma、FineWeb 等开源数据集的构建方法）；\n4、理解 RAG 原理，有向量检索（Faiss / Milvus / Elasticsearch）实际使用经验；\n5、了解大模型 Memory 机制的主流方案（MemGPT、Zep、mem0 等），或有相关工程实现经验；\n6、理解主动学习（Active Learning）或数据选择（Data Selection / Curriculum Learning）方法；\n7、有用 AI 工具生成、验证、调试数据处理代码的完整经历，能说清楚 AI 在你工作流中扮演的角色。",
"standard_classification": {
"std_category_code": "T016",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}