公司简介：
深圳市信锐网科技术有限公司（简称信锐技术，英文名Sundray）是一家专注于企业级无线网络产品研发、生产、销售的应用层无线网络供应商，总部位于深圳。作为深信服的全资子公司，凭借十三年的应用层技术积累，将其对应用层的深入理解应用到Wlan领域。深信服在2013年7月正式发布企业无线产品，不到一年的时间，即宣布把无线产品线独立运营，成立信锐技术有限公司，其继承了深信服的传统优势，把对无线的关注点主要放在应用层加速、应用层安全和业务增值上。Sundray研发团队超过百人，研发无线产品多年，在无线硬件射频、软件控制、漫游、负载均衡、无线增值等各个领域有着多年深厚的技术积累。Sundray无线产品自登陆市场以来，现已服务网点覆盖全国。目前，已获得近千家用户的成功实施应用，其中多家无线接入点（AP）数量规模超过2000台。因为更专注，所以更专业。Sundray投入100%的工作精力和热情，致力于为政府、企业、医疗、酒店、教育、金融、连锁等行业用户提供量身打造的更安全、更快速、可增值的应用层企业级无线网络。深信服科技有限公司是中国规模最大、创新能力最强的应用层网络设备供应商，致力于通过提供品质卓越的Internet网络设备，帮助用户的业务向互联网成功转型。深信服目前拥有IPSec VPN、SSL VPN、下一代防火墙、上网行为管理、应用交付、广域网优化、应用性能管理等多款产品，并在专业VPN、SSL VPN、内容安全和上网行为管理等领域排名市场第1位。截至2012年底，已有超过21,000家用户成为深信服的合作伙伴，包括通用电气、壳牌石油、丰田汽车、中国移动等世界知名企业，以及中国人民银行、国资委、国土资源部、外交部等重要机构。目前，深信服公司人数达到1600人，在全球设有44个直属代表处，包括中国内地主要城市及英国、新加坡、马来西亚、泰国等国家和地区。2005－2012年，深信服连续八届蝉联德勤“亚太地区高科技高成长500强”，并连续二届被《财富》杂志评为“中国卓越雇主”。在招职位如下：
AI开发工程师（企业知识库与数据智能方向）
工作城市：深圳
薪资：4k-6k
学历要求：硕士,博士
岗位性质：实习
岗位描述：
薪资：4k-6k
学历要求：硕士,博士
岗位性质：实习
岗位描述：
岗位职责：
1、负责企业知识库与智能问数底座建设，包括非结构化文档接入、数据清洗、文档解析、Chunk 切分、向量化、索引构建、权限控制、增量同步、质量校验与异常追踪；
2、负责企业知识工程体系建设，将业务术语、产品资料、流程制度、方法论、案例经验、会议纪要、工作日志等内容，沉淀为可被 Agent 理解、检索、推理和调用的知识资产；
3、负责 RAG 检索增强链路设计与优化，包括 Query 改写、意图识别、召回策略、混合检索、Rerank、上下文组装、引用溯源、答案生成、幻觉控制和效果评估；
4、负责知识库语义治理，包括本体建模、标签体系、元数据设计、实体抽取、关系抽取、实体消歧、知识图谱构建与 Graph RAG 等能力探索；
5、负责结构化数据智能问数能力建设，参与业务系统数据接入、语义模型设计、指标口径治理、自然语言转 SQL、SQL 安全校验、数据权限注入和查询结果解释；
6、参与数字同事 / Agent 平台能力建设，将企业知识库、个人知识库、智能问数、MCP 工具、业务系统接口等能力接入 Agent 工作流，支撑业务场景快速验证和复用；
7、负责知识库效果运营与持续优化，建立知识覆盖率、召回准确率、问答准确率、数据新鲜度、响应速度、引用可信度等评估指标，推动知识库从“能查”走向“可信、可用、可运营”。
任职要求：
1、Python 基础扎实，熟悉 FastAPI / Flask 等后端框架，熟悉 MySQL、Redis、对象存储、异步任务、接口鉴权、日志监控等常见工程能力；
2、熟悉企业知识库 / RAG 核心链路，理解文档解析、OCR、版面分析、表格抽取、文本清洗、Chunk 策略、Embedding、向量索引、检索召回、Rerank、上下文压缩和引用溯源等关键技术；
3、理解主流检索技术原理，包括 BM25、倒排索引、向量检索、ANN 近似最近邻、HNSW、混合检索、语义召回、关键词召回、多路召回、重排序等；
4、理解知识工程相关概念，包括本体论、Taxonomy、Ontology、元数据、实体识别、关系抽取、实体链接、实体消歧、知识图谱、RDF / 三元组 / 属性图等，有实际落地经验优先；
5、熟悉数据治理基本方法，理解数据血缘、数据质量、数据口径、主数据、元数据管理、权限模型、敏感信息处理、知识版本管理和增量更新机制；
6、具备结构化数据智能问数经验，理解语义层、指标定义、维度建模、NL2SQL、SQL 校验、查询改写、权限过滤、结果解释与数据可信输出；
7、了解主流知识库和 AI 应用框架，如 RAGFlow、FastGPT、Dify、LangChain、LlamaIndex、Milvus、Elasticsearch、Qdrant、Neo4j 等；
8、了解 Agent 基本原理，熟悉工具调用、MCP、工作流编排、Session 状态、长期记忆、Plan 模式、多 Agent 协同等能力，能判断知识库和数据能力如何接入 Agent 场景；
9、具备较强的业务理解和抽象能力，能够从复杂业务资料和业务沟通中提炼术语、流程、规则、数据口径和关键知识，并沉淀为规范化知识资产；
10、对 AI 应用落地有热情，关注大模型、RAG、Agent、知识图谱、智能问数等方向，具备主动探索、快速验证和持续迭代能力。
1、负责企业知识库与智能问数底座建设，包括非结构化文档接入、数据清洗、文档解析、Chunk 切分、向量化、索引构建、权限控制、增量同步、质量校验与异常追踪；
2、负责企业知识工程体系建设，将业务术语、产品资料、流程制度、方法论、案例经验、会议纪要、工作日志等内容，沉淀为可被 Agent 理解、检索、推理和调用的知识资产；
3、负责 RAG 检索增强链路设计与优化，包括 Query 改写、意图识别、召回策略、混合检索、Rerank、上下文组装、引用溯源、答案生成、幻觉控制和效果评估；
4、负责知识库语义治理，包括本体建模、标签体系、元数据设计、实体抽取、关系抽取、实体消歧、知识图谱构建与 Graph RAG 等能力探索；
5、负责结构化数据智能问数能力建设，参与业务系统数据接入、语义模型设计、指标口径治理、自然语言转 SQL、SQL 安全校验、数据权限注入和查询结果解释；
6、参与数字同事 / Agent 平台能力建设，将企业知识库、个人知识库、智能问数、MCP 工具、业务系统接口等能力接入 Agent 工作流，支撑业务场景快速验证和复用；
7、负责知识库效果运营与持续优化，建立知识覆盖率、召回准确率、问答准确率、数据新鲜度、响应速度、引用可信度等评估指标，推动知识库从“能查”走向“可信、可用、可运营”。
任职要求：
1、Python 基础扎实，熟悉 FastAPI / Flask 等后端框架，熟悉 MySQL、Redis、对象存储、异步任务、接口鉴权、日志监控等常见工程能力；
2、熟悉企业知识库 / RAG 核心链路，理解文档解析、OCR、版面分析、表格抽取、文本清洗、Chunk 策略、Embedding、向量索引、检索召回、Rerank、上下文压缩和引用溯源等关键技术；
3、理解主流检索技术原理，包括 BM25、倒排索引、向量检索、ANN 近似最近邻、HNSW、混合检索、语义召回、关键词召回、多路召回、重排序等；
4、理解知识工程相关概念，包括本体论、Taxonomy、Ontology、元数据、实体识别、关系抽取、实体链接、实体消歧、知识图谱、RDF / 三元组 / 属性图等，有实际落地经验优先；
5、熟悉数据治理基本方法，理解数据血缘、数据质量、数据口径、主数据、元数据管理、权限模型、敏感信息处理、知识版本管理和增量更新机制；
6、具备结构化数据智能问数经验，理解语义层、指标定义、维度建模、NL2SQL、SQL 校验、查询改写、权限过滤、结果解释与数据可信输出；
7、了解主流知识库和 AI 应用框架，如 RAGFlow、FastGPT、Dify、LangChain、LlamaIndex、Milvus、Elasticsearch、Qdrant、Neo4j 等；
8、了解 Agent 基本原理，熟悉工具调用、MCP、工作流编排、Session 状态、长期记忆、Plan 模式、多 Agent 协同等能力，能判断知识库和数据能力如何接入 Agent 场景；
9、具备较强的业务理解和抽象能力，能够从复杂业务资料和业务沟通中提炼术语、流程、规则、数据口径和关键知识，并沉淀为规范化知识资产；
10、对 AI 应用落地有热情，关注大模型、RAG、Agent、知识图谱、智能问数等方向，具备主动探索、快速验证和持续迭代能力。