AI 知识工程师

优缺点分析

角色解读

• 可向资深知识工程师或NLP算法专家方向发展，深入RAG和知识图谱领域
• 有机会转向AI产品经理或技术管理岗位，负责团队知识库建设
• 在医疗AI领域积累经验，可跨行业应用于金融、法律等知识密集型场景
• 负责医疗AI知识库的规划与建设，包括数据采集、清洗和结构化加工，确保知识质量
• 搭建并优化RAG流水线，涉及文档切片、向量化、检索和重排，提升问答系统的准确性和效率
• 运维Milvus和Elasticsearch等检索引擎，建立知识元数据和质量管控机制，保障系统稳定
• 构建RAG评测体系，输出结构化知识，支持智能体和Skills团队的知识消费
• 精通Python编程，具备扎实的NLP和RAG项目经验
• 熟悉向量检索、混合搜索和Rerank技术，能够优化检索效果
• 掌握至少一种检索存储组件（如Milvus、Elasticsearch），具备知识建模能力
• 具备良好的学习能力和抗压能力，能够适应快节奏的工作环境

申请策略

• 关注平安的医疗AI业务方向，了解其产品和技术栈
• 在面试中展示对RAG技术的深入理解和实践能力
• 突出RAG项目经验，包括具体实现和优化效果
• 强调Python编程能力和检索技术栈（如Milvus、Elasticsearch）
• 展示知识库建设或NLP相关项目成果，如提升召回率等量化指标
• 提及医疗领域知识或相关项目，体现行业匹配度
• 深入学习RAG最新论文和技术，如混合检索、Rerank模型
• 熟悉Milvus和Elasticsearch的运维和调优，掌握知识图谱基础

面试指南

• 使用STAR法则：情境、任务、行动、结果，清晰描述项目经验
• 强调技术选型理由和优化过程，展示问题解决能力
• 结合具体案例，量化成果，体现数据驱动思维
• 请介绍你搭建RAG流水线的经验，如何优化检索效果？
• 如何设计知识库的元数据和版本管理机制？
• 你如何评估RAG系统的性能？使用哪些指标？
• 在医疗知识处理中，你如何处理数据质量问题？
• 你如何选择向量数据库？Milvus和Elasticsearch的优缺点？