1. 主导知识工程与上下文工程体系建设，搭建企业级可信知识底座，优化检索、筛选与压缩策略。 2. 负责记忆工程落地，设计短期会话记忆与长期记忆的存储、提取、生命周期管理方案。 3. 推动RAG技术优化，提升知识检索相关性、时效性与可追溯性，解决知识污染与过期问题。 4. 建立上下文动态组装机制，确保模型推理时获取“恰到好处”的有效信息。

1. 计算机/信息检索相关专业本科及以上学历，5年以上知识图谱、信息检索或NLP工程化经验。 2. 精通RAG核心技术栈，熟悉向量数据库、知识抽取、归一化、融合检索等关键环节。 3. 有企业级知识管理系统或大模型上下文优化落地案例，理解记忆工程的隔离与防污染机制。 4. 具备数据驱动的优化思维，能通过实验设计持续提升知识与上下文的利用效率。