携程
算法专家-企业知识库方向(MJ037154)
算法专家-企业知识库方向(MJ037154)
发布于 2 小时前基层主管/组长
全职员工仅现场办公人工智能
人工智能
Embedding模型
Rag
向量检索
多模态
大语言模型 (Llm)
文档解析
知识库
算法优化
值不值得投
74综合评分
综合评分 74
高挑战、高成长的前沿AI技术岗，技术深度要求高，薪资有竞争力，WLB信息不明确。
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
5.8万
比人工智能中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 590 个在招 · 其中人工智能 5 个
市场机会
选择面较广
上海 · 人工智能 · 约 310 个在招
职位详情
关于这个职位
该职位负责主导企业级知识库的全链路架构设计与研发，专注于RAG系统的深度优化与工程化落地
核心目标是提升内部问答、智能客服、文档助手等场景的准确性与效率，并推动多模态知识的接入与平台化建设
最低要求
计算机、人工智能、信息管理、情报学等相关专业，硕士及以上学历，博士优先
年以上 AI / NLP / 搜索推荐相关经验，其中3年以上知识库、RAG 或企业搜索相关经验
有主导过企业级知识库从0到1落地的完整经验
精通 RAG 全链路技术，熟悉主流 Embedding 模型（BGE、GTE、E5、Jina 等）、向量数据库（Milvus、Qdrant、Weaviate、pgvector、Elasticsearch 等）与重排序模型（BGE-Reranker、Cohere Rerank 等）
熟悉文档解析与切分策略，掌握 PDF 版面分析、表格抽取、OCR 等工具（如 MinerU、Unstructured、PaddleOCR、LayoutLM 等）
熟悉检索算法（BM25、稠密检索、混合检索、多路召回）与查询理解技术（Query Rewrite、HyDE、多跳检索、GraphRAG）
熟悉 LangChain / LlamaIndex / Haystack 等框架，具备 RAG 系统的工程化落地能力
熟悉Harness/RSI等前沿Agent理念和框架，对如何面向Agent提供知识有实战经验
具备扎实的编程能力，熟悉向量检索性能优化与大规模数据处理
有可量化的知识库/RAG 落地成果（如问答准确率提升、人工客服替代率、检索效率优化等），有专利、论文或开源贡献者优先
较强的业务理解能力，能将模糊的业务需求转化为可落地的技术方案
优秀的跨团队沟通与项目推动能力
对知识管理、企业智能化有长期兴趣与热情
工作职责
企业知识库体系设计：主导企业级知识库的整体架构设计，覆盖知识采集、清洗、切分、向量化、存储、检索、更新与权限管理的全链路，支撑内部问答、智能客服、文档助手、研发知识管理等场景
RAG 系统研发与优化：负责检索增强生成（RAG）系统的核心算法研发，包括查询理解与改写、混合检索（向量+关键词）、重排序（Rerank）、上下文压缩、引用溯源与幻觉抑制，持续提升回答的准确率与可信度
知识治理与数据工程：建立企业知识的分类体系、元数据规范与质量评估机制，主导多源异构数据（PDF/Word/Excel/PPT/Confluence/飞书/数据库/工单等）的解析、结构化与增量同步方案，能结合Ontology、LLM wiki等理念实践和对比知识加工框架
多模态知识库建设：推动图文、表格、音视频等多模态知识的接入与检索，解决图表理解、版面解析、跨模态召回等关键问题
知识库平台与工具链：参与或主导知识库平台（如 Dify、RAGFlow、FastGPT、LangChain/LlamaIndex 生态）的选型、二次开发与工程化落地，构建可复用的知识处理流水线
评测与迭代体系：搭建端到端评测体系（召回率、准确率、忠实度、时效性等），通过 A/B 测试与 badcase 分析驱动持续迭代
业务赋能与协作：与业务方、产品、工程团队紧密协作，将知识库能力沉淀为标准化服务（API/SDK），支撑多业务线复用
团队建设与指导：指导中团队参与技术路线规划、专利与论文撰写，提升团队整体技术影响力
优先资格
有专利、论文或开源贡献者优先
AI 洞察
优缺点分析
优点
- 技术栈非常前沿，直接接触和应用大语言模型、RAG、多模态等AI前沿技术，成长空间大
- 负责的是从0到1的企业级知识库建设，能积累完整的大型项目落地经验，对职业履历加分显著
- 岗位影响力大，工作成果可直接赋能多个业务线，且有团队建设职责，利于提升综合能力
- 技术难度高，需要对AI全栈（数据、算法、工程）都有深入理解，学习曲线陡峭
- 跨部门协作频繁，需要平衡技术理想与业务现实，对沟通和项目管理能力要求高
- 适合对知识管理和企业智能化有深厚兴趣，具备扎实AI算法与工程能力，且乐于解决复杂业务问题、愿意承担技术负责人角色的资深工程师或算法专家
缺点 / 挑战
- 作为核心负责人，系统上线后的稳定性、准确率等指标压力较大
角色解读
- 技术专家路线：深耕知识管理与RAG领域，成为企业内部乃至行业内的技术权威
- 技术管理路线：凭借技术深度和团队指导经验，向AI平台负责人或技术总监方向发展
- 架构师路线：更侧重于系统整体架构设计与前瞻性技术选型，解决更宏观的技术挑战
- 主导构建和优化企业知识库的整体技术架构，打通从数据获取到智能问答的全链路
- 深入研发RAG（检索增强生成）系统的核心算法，解决问答不准确、信息幻觉等实际问题
- 将知识库能力平台化、服务化，并指导团队进行技术攻坚和影响力提升
- 精通RAG全链路技术，包括检索、重排、生成等核心环节的算法设计与优化
- 具备扎实的大模型应用开发与工程化落地能力，熟悉主流框架和向量数据库
- 拥有优秀的需求转化与跨团队协作能力，能将复杂的业务场景落地为技术方案
申请策略
- 研究携程在旅游、酒旅供应链等领域的业务知识管理需求，在面试中展示你对具体应用场景的思考
- 准备一份简短的技术方案构思，阐述你将如何设计携程的企业级知识库系统，展现你的技术视野和规划能力
- 详细描述1-2个主导过的完整知识库或RAG项目，突出从问题定义、架构设计到效果提升的全过程
- 用具体数据量化你的成果，如“将问答准确率从X%提升至Y%”、“实现了Z%的人工客服替代率”
- 清晰列出你掌握的核心技术栈，特别是Embedding模型、向量数据库、检索算法和RAG框架的实战经验
- 如有相关专利、高质量论文或有影响力的开源项目贡献，请务必在简历中突出展示
- 深入了解最新的多模态文档解析技术（如LayoutLMv3、ColPali）和复杂的查询理解技术（如GraphRAG）
- 关注Agent框架（如LangGraph）的发展，思考知识库如何更好地为Agent提供支持
面试指南
- 采用STAR法则（情境、任务、行动、结果）来组织项目经验的回答，重点突出你的技术决策和量化成果
- 对于系统设计类问题，先明确目标和约束，再从数据层、检索层、生成层、服务层逐步展开，展现系统化思维
- 回答技术选型问题时，不仅要说“用什么”，更要解释“为什么用它”，对比优劣，并结合场景说明
- 请描述一个你主导的从0到1落地的知识库/RAG项目，遇到了哪些核心挑战，你是如何解决的？
- 在RAG系统中，如何有效降低大模型的“幻觉”问题？你会从哪些环节进行优化？
- 如果让你设计携程的企业级知识库系统，你会如何进行技术选型和架构规划？
- 面对多源异构的企业数据（如飞书文档、Confluence、数据库），你会设计怎样的解析与同步流程？
- 你如何评价当前主流的RAG框架（如LangChain、LlamaIndex）？在实际工程中你会如何选择或改进？
职位点评
薪资福利70
成长发展95
工作生活50
使命价值75
薪资福利
70中等
该职位薪资处于市场中上水平，但JD未提及具体的福利待遇（如年终奖、补充医疗等），对补偿性动机的满足主要依赖于市场化的薪资竞争力。
薪资信号市场水准 (4.5千–7万/月)
成长发展
95较高
该职位要求前沿的RAG与知识库技术，有明确的从0到1落地目标和团队指导职责，技术挑战大，能提供极高的技能成长和职业发展机会。
技术前沿前沿/新兴技术
技术栈RAG、Embedding、向量数据库、LLM、LangChain、多模态、Agent
成长机会主导企业级知识库从0到1落地的完整经验、提升团队整体技术影响力
业务类型cost_center
工作生活
50较低
JD未明确说明办公模式和加班情况，基于现场办公的推断，工作模式可能较为固定。作为核心算法岗位，通常面临较高的交付压力。
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
在旅游业头部企业推动企业智能化，提升内部运营效率与客户服务体验，工作具有实际业务价值和社会影响力。
行业发展稳定成熟行业
社会影响中性/一般
使命信号支撑内部问答、智能客服、文档助手、研发知识管理等场景
创新程度积极采用新技术
携程 的其他在招职位
相似职位推荐
Watch Jobs