美团
企业知识管理-AI应用专家
企业知识管理-AI应用专家
发布于 大约 17 小时前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
本科
研究与开发 (研发)
NLP
RAG
LLM
知识图谱
向量数据库
Prompt Engineering
AI Agent
企业知识管理
AI 估算 · 30k–60k
头部互联网公司高级AI专家岗，技术栈前沿，北京市场薪资竞争力强。
职位详情
关于这个职位
作为美团企业知识管理-AI应用专家，你将主导企业级AI知识服务体系的从0到1构建，包括RAG系统、AI Agent应用等
这是一个深度参与核心技术创新与业务落地的机会，适合有NLP/知识管理背景的技术专家，能够将前沿LLM能力转化为实际业务价值
最低要求
本科及以上学历，计算机科学、人工智能、信息管理、NLP相关专业优先
年以上企业知识管理、AI产品或NLP应用方向经验，有互联网/科技大厂经验优先
深入理解RAG技术栈：向量数据库（Milvus/Pinecone/Weaviate）、Embedding模型、文档Chunking、Reranking、Prompt Engineering
至少主导过1个完整的AI知识库/企业搜索/智能问答系统从0到1落地项目
熟悉主流LLM能力边界（GPT-4/Claude/文心/Qwen等），能评估模型在知识场景的适用性
具备Python/SQL能力，能独立进行数据分析、效果评测与快速原型验证
兼具技术深度与业务sense，能在AI可行性与业务真实需求之间找到最优解
优秀的跨部门推动力与结果导向思维，能用数据证明AI赋能知识管理的ROI
工作职责
负责企业知识管理与AI深度融合的整体方案设计，构建"知识采集→结构化→智能检索→AI生成→业务决策"端到端知识服务体系
主导企业级RAG（检索增强生成）系统的业务落地，包括知识库向量化、文档分片策略、Embedding模型选型调优、检索排序优化
设计并推动AI Agent在知识管理场景的应用（Q&A问答、自动摘要、知识推荐、会议纪要生成、任务分流等）
建立AI知识服务评估体系（准确率、召回率、置信度、满意度），持续优化Prompt工程与检索质量
制定企业知识分类标准、标签体系与元数据规范，建立可被AI有效理解和调用的结构化知识图谱
设计知识生命周期管理机制（创建→审核→发布→更新→归档），确保AI调用知识的时效性和准确性
推动多源异构知识的统一接入与治理（wiki、技术文档、流程规范、会议纪要、IM记录、代码仓库等）
策划AI知识工具的全员推广与赋能，推动知识贡献文化落地
联动安全合规团队确保信息密级管控与数据脱敏
优先资格
有AI Agent（工具调用、多步推理、自主执行）在企业场景落地经验者优先
熟悉知识图谱构建（Neo4j/实体抽取/关系抽取）或企业搜索引擎（Elasticsearch等）优化经验者优先
AI 洞察
优缺点分析
优点
- 美团的平台资源和数据规模，为AI应用提供丰富场景和真实业务需求
- 前沿技术栈（RAG、LLM、AI Agent）持续积累，提升个人市场竞争力
- 超强技术氛围和学习生态，助力职业生涯非线性成长
- 知识管理涉及多源异构数据整合，治理和标准化工作复杂
- 适合拥有NLP/知识管理背景、热爱技术攻坚、渴望在AI应用领域深度发展的技术专家
缺点 / 挑战
- 公司重点项目，有机会从0到1打造企业AI知识服务，技术挑战大、成就感强
- 需要同时具备技术深度和业务视野，对跨部门推动力要求较高
- 作为公司重点项目，交付压力大，可能需要快速迭代和应对变化
角色解读
- 在美团核心技术平台深耕AI+知识管理领域，成为行业顶尖专家
- 横向扩展至更广泛的AI应用场景，如搜索推荐、对话系统等
- 向技术管理方向发展，带领团队构建企业级AI基础设施
- 设计并落地企业级AI知识服务体系，包括知识采集、结构化、智能检索、AI生成和业务决策的端到端流程
- 主导RAG系统建设，负责向量数据库选型、Embedding模型调优、检索排序优化等工作
- 推动AI Agent在知识管理中的实际应用，如智能问答、自动摘要、会议纪要生成等
- 建立评估体系，持续优化Prompt工程与检索质量，确保AI知识服务的准确性与满意度
- 深入理解RAG技术栈，包括向量数据库、Embedding模型、Chunking、Reranking等
- 熟悉主流LLM能力边界，能够评估不同模型在知识场景的适用性
- 具备Python/SQL能力，能独立进行数据分析与快速原型验证
- 拥有企业知识管理或NLP应用方向5年以上经验，有主导完整系统从0到1落地的能力
申请策略
- 在申请前，深入了解美团的企业知识管理现状和挑战，面试中展现你的解决方案思路
- 关注技术博客和社区，提前了解美团在AI基础设施方面的实践
- 突出你主导过的AI知识库或智能问答系统项目，详细描述技术选型、落地过程与成效
- 强调RAG相关技术经验，如向量数据库使用、Embedding调优、Prompt Engineering等
- 展示对LLM模型的理解和评估能力，以及AI Agent应用的经验
- 体现跨部门协作和业务推动能力，最好有量化的ROI证明
- 如果尚未接触，请系统学习RAG技术栈，动手搭建一个端到端的知识问答原型
- 熟悉主流向量数据库（如Milvus）和Embedding模型的选型与调优
面试指南
- 对于项目经验类问题，采用STAR原则（情境、任务、行动、结果），突出技术决策和业务价值
- 对于技术评估类问题，从模型能力、场景匹配、成本效率等维度展开，结合具体数据
- 对于设计类问题，先阐述整体架构，再分模块说明技术细节，最后强调权衡与取舍
- 请描述一个你主导的RAG系统从0到1落地项目，包括技术选型、遇到的挑战和最终效果
- 如何评估不同LLM在知识问答场景的适用性？请举例说明
- 面对多源异构知识（如wiki、文档、会议纪要），你会如何设计统一的知识接入与治理方案？
- 如何衡量AI知识服务的ROI？请给出具体的评估指标和改进思路
- 你如何看待Prompt Engineering？请分享一个实际调优案例
匹配度报告
71
综合匹配度
美团核心平台，前沿AI技术栈，成长空间大，但工作强度较高，现场办公。
适合人群
最适合追求技术成长与职业发展的求职者，愿意在AI前沿领域深耕并接受较大工作强度。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展90
工作生活50
使命价值70
薪资福利匹配
75中等
美团作为上市大厂，薪资福利有竞争力，但具体薪资未提及，且岗位为专家级，薪酬水平较高。
薪资信号未披露（AI估算：30K-60K/月）
成长发展匹配
90较高
岗位涉及最前沿的RAG、LLM、AI Agent等技术，公司有完善学习生态，成长空间大。
技术前沿前沿/新兴技术
技术栈RAG、LLM、向量数据库、Embedding、Prompt Engineering、AI Agent
成长机会互联网学习生态圈、非线性成长
业务类型ambiguous
工作生活匹配
50较低
工作地点在北京现场办公，未提及弹性工作或远程，互联网大厂通常工作节奏较快。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
70中等
美团处于“零售+科技”战略，AI知识管理有助于提升企业效率，具有一定社会价值。
行业发展稳定成熟行业
社会影响中性/一般
使命信号驱动技术发展、创造行业价值
创新程度积极采用新技术
Watch Jobs