中科曙光
【2027】数据建模工程师-天津(J14171)
【2027】数据建模工程师-天津(J14171)
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Owl
Rag
Sparql
图数据库
大模型
数据治理
本体建模
知识图谱
值不值得投
69综合评分
综合评分 69
前沿技术栈、高成长潜力的数据智能核心岗，但薪资福利与工作生活平衡信息不明。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
2万
比人工智能中位数低
发布情况
新岗位 · 2 天前发布
公司情况
这家公司招聘很活跃
84 个在招 · 其中人工智能 2 个
市场机会
选择不多
天津 · 人工智能 · 7 个在招
职位详情
关于这个职位
该职位是中科曙光的数据建模工程师，专注于知识图谱与大模型的深度融合应用
工作将涉及企业级本体设计与语义建模、多源数据的语义映射与融合、利用本体知识增强大模型能力（如RAG、Agent），并最终将语义模型落地到智能搜索、推荐等业务场景中
这是一个集理论研究、架构设计与工程实现于一体的前沿技术岗位
最低要求
硕士及以上学历，具备良好的团队协作、沟通对接能力，品行端正、诚实守信
具备良好的学习能力和技术钻研意识，逻辑思维清晰，具备良好的问题拆解、技术攻关和数据分析能力
工作职责
本体设计与语义建模：对接业务专家，提炼核心实体、属性及关系，定义类层次结构
利用OWL语义特性定义等价类、不相交性等，编写SWRL规则
制定企业级本体设计规范，输出高质量本体文件（.owl/.ttl）
知识治理与多源融合：主导结构化与非结构化数据到本体的映射设计，编写R2RML规则
设计实体对齐算法与规则，解决数据融合问题
使用SHACL编写校验规则，构建自动化数据质量监控流水线
大模型协同与知识增强：将本体知识转化为结构化Prompt和指令微调数据集，增强大模型对专业概念的认知
结合GraphRAG技术，利用本体进行精准语义检索
为AI Agent构建统一的语义图谱，提升任务规划与工具调用准确率
架构设计与工程落地：负责图数据库（如GraphDB、Stardog、Neptune）的架构设计与性能调优
编写并优化复杂SPARQL查询，设计高效知识图谱API服务
协同工程团队，将语义模型落地到智能搜索、语义推荐、根因分析等业务场景
AI 洞察
优缺点分析
优点
- 技术方向前沿，涉及知识图谱与大模型两大AI热点的融合，技术成长空间大
- 工作内容硬核，从理论建模到工程落地全覆盖，能积累扎实的全栈技能
- 应用场景明确，直接服务于智能搜索、推荐等核心业务，技术价值易体现
- 技术栈复杂且新颖，需要同时掌握语义网、图数据库、大模型等多领域知识，学习曲线陡峭
- 本体建模等工作需要与业务专家深度沟通，对抽象思维和沟通能力要求极高
- 适合对人工智能、语义网技术有浓厚兴趣，逻辑思维强，且乐于钻研复杂技术问题并推动其在业务中落地的硕士及以上学历求职者
缺点 / 挑战
- 将复杂的语义模型在高性能、高并发场景下工程化落地，具有相当的技术挑战
角色解读
- 技术专家路线：深耕知识图谱与语义技术，成为该领域的技术架构师或首席科学家
- AI应用路线：向AI解决方案架构师或产品经理发展，主导基于知识增强的AI产品
- 技术管理路线：带领团队负责数据智能或AI中台建设，走向技术管理岗位
- 设计和构建企业级知识图谱的本体结构，定义实体、关系及推理规则
- 解决多源异构数据的语义融合与质量治理问题，确保数据一致性
- 将知识图谱与大模型（LLM）结合，提升模型在特定领域的理解和推理能力
- 设计图数据库架构，优化查询性能，并将语义技术落地到实际业务应用中
- 精通本体建模语言（OWL）和描述逻辑，熟悉SWRL、SHACL等语义技术
- 熟练掌握图数据库（如Neo4j, GraphDB, Neptune）及查询语言（SPARQL）
- 了解大语言模型（LLM）技术，尤其是检索增强生成（RAG）、模型微调等应用
- 具备优秀的逻辑思维、问题拆解能力及跨团队协作沟通能力
申请策略
- 仔细研究中科曙光在人工智能、大数据、信创等领域的业务布局，理解该岗位在其技术战略中的潜在角色
- 准备一份能体现你系统性思维和技术深度的作品（如一篇技术文章、一个项目设计文档或一段代码），作为面试时的沟通素材
- 重点突出与语义网（OWL/RDF/SPARQL）、知识图谱构建、图数据库相关的项目或研究成果
- 展示任何与大模型应用（如RAG、Prompt Engineering、模型微调）相关的实践经验
- 强调解决复杂技术问题的逻辑分析能力，以及跨部门协作推动项目落地的案例
- 如有相关学术论文、技术博客或开源贡献，请在简历中显著列出
- 系统学习或复习描述逻辑、OWL、SPARQL等语义Web核心技术栈
- 动手实践至少一种图数据库（如Neo4j）和主流知识图谱框架，并尝试构建小型图谱应用
面试指南
- 回答本体建模、数据融合等问题时，可采用“定义问题（业务/数据痛点）- 设计方案（技术选型、规则制定）- 实施与验证（标准、工具）- 落地应用”的结构进行阐述
- 回答技术结合问题时，先阐明基本原理，再结合一个具体场景说明实现思路、难点和你的思考
- 回答场景设计题时，按照“理解业务目标 -> 抽象知识模型 -> 设计技术架构 -> 考虑工程实现与迭代”的逻辑展开，体现从需求到落地的完整思考过程
- 请描述你对本体建模的理解，以及如何为企业设计一个领域本体？
- 如何解决来自不同系统的、定义不一致的数据之间的语义融合问题？
- 知识图谱与大语言模型结合，有哪些典型的模式（如RAG）？你认为其中最关键的技术挑战是什么？
- 请描述一个你处理过的最复杂的图查询或图算法应用场景，以及你如何优化其性能
- 如果让你将语义模型应用到“智能客服”场景中，你会如何设计技术方案？
职位点评
薪资福利60
成长发展90
工作生活50
使命价值75
薪资福利
60中等
JD未提及具体薪资和福利细节，补偿性动机的满足程度主要依赖于市场惯例和公司背景推断。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
90较高
该职位技术前沿，深度结合知识图谱与大模型，能提供极佳的技术钻研与成长环境，符合高发展性动机。
技术前沿前沿/新兴技术
技术栈OWL、SPARQL、知识图谱、GraphRAG、大模型、图数据库、语义建模
业务类型ambiguous
工作生活
50较低
JD未说明办公模式（远程/混合）及工作时间安排，无法判断工作生活平衡情况。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
岗位处于人工智能与数据智能的交叉前沿，旨在用技术解决复杂的认知与决策问题，具有较高的技术创新性和行业价值。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
中科曙光 的其他在招职位
相似职位推荐
Watch Jobs