技术落地实施，深入了解豆包大模型隐私合规业务场景，通过Agent/Workflow/代码等自动化手段搭建合规隐私保护相关的数据生产全链路，或在技术平台完成小规模自闭环数据实验与数据效果验证，实现数据处理链路的自动化流转
2、合成数据管线支持，参与SFT、RL训练数据的技术落地，利用模型生成高质量的训练样本并编写脚本进行数据一致性与质量的自动化校验
3、全流程技术支持与工具开发，提供技术指导，定位并解决业务推进中的技术卡点、完成数据提效类工具开发，熟悉Trae/Claude Code/Copilot等AI原生集成开发环境，快速开发或交付高可用的数据提效工具，能够利用AI工具大幅缩短代码开发周期
4、数据运营与策略评估，负责合规隐私业务方向的自动化策略的落地验证工作，深度协同产品与研发团队，执行高质量的数据标注与评测，量化合规策略表现及模型防御边界，评估模型防御能力，基于数据反馈驱动策略的持续迭代与优化
5、数据方法探索，前沿数据训练方法的探索与落地实践，沉淀自动化数据生产方法论，持续跟踪AI领域的前沿工具与技术（如MCP、Skills等），将业务需求转化为可复用的工程化Demo，辅助提升团队整体的数据运营效率