职位描述
# 岗位描述
我们正在寻找一位具备 AI Native 思维的数据与应用工程师，参与构建面向生物医药数据场景的 AI 工作流与数据智能应用。该岗位不只是编写 Prompt，而是需要围绕真实业务数据，设计可复用、可评测、可迭代的
Prompt/Harness 工程体系，将大模型能力嵌入数据获取、解析、标注、抽取、质检、结构化和知识沉淀等流程中。
你将探索“数据如何赋能 AI”，以及“AI 如何反哺数据生产流程”，推动生物医药数据生产全面走向 AI 驱动的数据治理。
# 岗位职责
- 负责生物医药数据场景下的 Prompt Engineering 与 Harness Engineering，包括 Prompt 设计、输入组装、版本管理、测试样例构建、自动化验证和效果评估。
- 构建基于 LLM 的数据处理工作流，支持多源数据的解析、抽取、结构化和质量校验。
- 优化多步骤 AI 工作流的上下文组织、缓存策略、token 成本、响应延迟和吞吐表现，建立可量化的评估指标。
- 将 AI 能力沉淀为稳定的数据生产工具、Skills、内部平台能力或自动化流程。
- 跟踪 Agent、RAG、向量数据库、多模态模型、AI 编程助手等新技术，并结合业务场景完成快速验证和落地。任职要求
# 任职资格
- AI Native 是核心要求：具备较强的 AI 原生思维，熟悉 Prompt Engineering、Harness Engineering，能够将模型能力转化为稳定、可验证、可复用的工程流程。
- 本科及以上学历，生物医药、计算机科学、数据科学、生物信息学、人工智能等相关专业优先。
- 熟悉至少一种主流编程语言，如 Python、Java，具备良好的数据结构、算法和工程化基础。
- 了解常见数据处理技术栈，如 SQL、Hadoop、Spark、Flink、Kafka、Hive、Delta Lake、Hudi 等。
- 具备较强的责任心、良好的逻辑思维、学习能力和团队协作精神，对“数据 + AI”的交叉方向有长期兴趣。
# 加分项
- 具备生物信息学、生物医药数据、抗体或药物研发相关背景。
- 了解 Agent、RAG、向量数据库，如 Milvus、OceanBase，以及 LangChain、LlamaIndex 等 AI 应用开发框架。
- 熟悉 OpenAI、Gemini、Claude 等模型 API，了解 prompt caching、上下文复用、token 统计与成本优化。
- 具备 LLM pipeline、知识抽取系统相关经验。
- 有开源项目贡献、技术博客、科研经历，或能够持续沉淀工程实践。
- 善于使用 Cursor、Codex、Claude Code 等 AI 编程助手提升研发效率，并能形成自己的 AI 协作方法论。
# 候选人画像
我们期待的人不是单纯“会调模型”的人，而是能够把业务数据、模型输入、调用链路、结果验证、成本指标和工程交付连接起来的人。
理想候选人既能理解数据生产流程，也能判断 AI 在哪里真正提效，哪里只是包装。
