宁德时代
高级知识库研发工程师
高级知识库研发工程师
发布于 大约 6 小时前普通员工/个人贡献者
宁德市
高级经验
全职员工
仅现场办公
硕士
人工智能
Faiss
Nebulagraph
Neo4J
Nlp
Pytorch
Rag
Tensorflow
知识图谱
AI 估算 · 25k–40k
高级知识图谱工程师，宁德时代为新能源巨头，薪资竞争力强，硕士学历要求，3年以上经验，综合市场水平估算。
职位详情
关于这个职位
该职位负责构建和维护锂电池领域的专业知识库与知识图谱，包括设计知识体系、开发自动化知识抽取流水线、搭建图数据库与向量知识库，并封装知识服务接口以支持大模型与Agent应用
适合具备知识图谱、NLP和Python开发经验，对工业垂域知识库建设有热情的工程师
最低要求
学历专业：硕士及以上学历
计算机科学与技术、人工智能、自然语言处理、知识工程、软件工程等相关专业
知识技能：
精通知识图谱全流程开发，熟练掌握实体抽取、关系抽取、实体对齐等核心算法，有工业级知识抽取流水线搭建经验
熟练使用 Neo4j、NebulaGraph 等至少一种图数据库的部署、开发与性能优化
熟悉向量数据库（Milvus/FAISS 等）的原理与使用，了解语义检索、RAG 的基础逻辑
精通 Python 开发，掌握至少一种深度学习框架（PyTorch/TensorFlow），能基于开源模型完成抽取任务微调
熟悉常用 NLP 技术（文本分类、命名实体识别、关系抽取、文本摘要等）与开源工具
工作经验：3 年及以上知识图谱 / 知识库 / NLP 相关开发经验，有完整的垂域知识库从 0 到 1 落地经验，能独立完成全链路开发
工作职责
知识体系与 Schema 设计：联合锂电领域专家，梳理电芯研发（材料、工艺、性能、失效等）知识体系，设计知识图谱 Schema、实体关系标准与知识库分类架构，保障知识体系的领域专业性与扩展性
知识抽取流水线开发：针对锂电文献专利、实验报告、技术文档、仿真数据等多源数据，开发自动化知识抽取、实体对齐、关系抽取、属性补全的算法流水线，实现非结构化知识的结构化转化
知识库与图谱构建运维：选型并搭建图数据库与向量知识库，完成知识入库、图谱构建、版本管理与动态更新，保障知识的准确性、时效性与一致性
知识服务接口开发：封装知识查询、关联推理、语义检索等标准化接口，对接上层大模型与Agent系统，实现核心功能的Agent落地
知识质量管控优化：建立知识质量评估体系，联合领域专家完成知识校验与迭代，持续提升知识准确率与覆盖率
优先资格
有材料、化工、能源等工业领域知识图谱 / 知识库项目经验
有科学智能（AI4Science）、科研文献知识抽取相关项目经验
有开源知识图谱项目贡献，或参与过行业知识标准制定
了解锂电研发基本流程与行业常识
AI 洞察
优缺点分析
优点
- 宁德时代作为新能源巨头，平台大，业务前景广阔，技术投入充足
- 知识图谱与AI结合是前沿方向，技能积累价值高
- 有机会与锂电领域专家合作，深入理解工业场景，提升复合能力
- 工作地点在宁德，相对偏远，生活便利性可能不如一线城市
- 涉及多源数据处理和复杂知识体系构建，技术难度大，需要持续学习
- 跨领域协作要求高，需要与领域专家有效沟通，可能面临知识理解障碍
- 适合对知识图谱和NLP有深厚兴趣，愿意深耕工业垂域，能接受在宁德工作的技术人才
缺点 / 挑战
- 薪资水平较高，福利待遇完善
角色解读
- 在新能源头部企业积累工业级知识库建设经验，成为知识工程领域专家
- 向AI4Science方向深入，结合锂电研发场景，发展科学智能应用
- 有机会晋升为技术团队负责人，带领知识工程团队，参与行业标准制定
- 设计锂电领域知识图谱的Schema和实体关系标准，与领域专家协作梳理知识体系
- 开发自动化知识抽取流水线，处理文献、专利、实验报告等多源数据，实现非结构化到结构化转化
- 搭建并运维图数据库和向量数据库，负责知识入库、版本管理和动态更新
- 封装知识查询、语义检索等接口，对接大模型和Agent系统，推动知识应用落地
- 精通知识图谱全流程，包括实体抽取、关系抽取、实体对齐等算法
- 熟练使用Neo4j或NebulaGraph等图数据库，以及Milvus/FAISS等向量数据库
- 精通Python，掌握PyTorch或TensorFlow，能微调开源模型
- 熟悉NLP技术，如文本分类、命名实体识别、关系抽取等
申请策略
- 了解宁德时代的技术战略，特别是AI在研发中的应用
- 强调对知识质量的重视，展示数据治理能力
- 突出知识图谱项目经验，特别是从0到1的落地案例，量化成果
- 强调图数据库和向量数据库的实际应用，如Neo4j、Milvus等
- 展示NLP算法能力，如实体抽取、关系抽取的模型微调经验
- 如有锂电或工业领域项目，务必突出，体现行业匹配度
- 补充锂电行业知识，了解研发流程，提升领域理解
- 学习RAG和Agent相关技术，熟悉大模型应用
面试指南
- 使用STAR法则，突出项目背景、你的角色、技术方案和成果
- 强调数据质量管理和迭代优化，展示系统性思维
- 结合具体技术选型，说明权衡和性能优化
- 请描述一个你从零构建知识图谱的项目，包括Schema设计和抽取流程
- 如何保证知识图谱的准确性和一致性？
- 你如何选择图数据库和向量数据库？请比较Neo4j和NebulaGraph
- 如何将知识图谱与大模型结合？请谈谈RAG的实现
- 你如何与领域专家协作，确保知识体系的专业性？
职位点评
76
综合评分
新能源巨头，前沿技术栈，薪资优厚，但地点偏远，WLB一般。
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。
更适合这类人
适合追求技术成长和行业前景，对工作地点不敏感，能接受宁德生活的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展90
工作生活50
使命价值75
薪资福利
80较高
宁德时代作为上市公司，薪资水平较高，福利完善，但JD未明确具体薪资，需面议。
薪资信号面议 (25K-40K/月)
成长发展
90较高
该职位涉及知识图谱、NLP、大模型等前沿技术，提供丰富的技能成长机会，且公司平台大，发展空间广阔。
技术前沿前沿/新兴技术
技术栈知识图谱、NLP、Neo4j、NebulaGraph、Milvus、FAISS、Python、PyTorch、TensorFlow、RAG
业务类型ambiguous
工作生活
50较低
工作地点在宁德，城市较小，生活便利性一般，JD未提及弹性工作，可能现场办公，WLB信号不明。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
75中等
新能源行业高速增长，公司使命推动绿色能源，但JD未明确社会价值，意义感中等。
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
Watch Jobs