崗位使命
通過數據工程 + Prompt 設計與評測，穩定提升中文專業文書的首稿質量與通過率；建設高質量數據集與評測體系，實現自動化評判與持續迭代。
職責
? 數據集建設：面向中文專業文本，完成資料收集、清洗、OCR/結構化、去重脫敏與標簽規范；沉淀可復用的數據標準與樣本庫。
? 提示詞/模板迭代：設計與剪輯提示詞與輸出模板，進行 A/B 實驗與顯著性分析，輸出改進報告；將優勝方案版本化并協同上線。
? 自動化質量評估：搭建規則校驗 + 模型輔助評審的評測流程，覆蓋結構完整性、引用一致性、輸出規范化與可驗證性等；建設周/月度質量看板。
? 數據治理：數據安全合規、版本追溯、抽檢與偏差控制；難例發現與回灌。
要求
? 中文閱讀理解與信息結構化能力強，能快速提煉要點并形成標準化要素。
? Python（pandas/regex/SQL）數據處理扎實，具備 OCR/版面解析能力或可快速上手。
? 具備 LLM 結構化輸出經驗，能進行提示詞（Prompt）設計與 A/B 評測，并完成顯著性與回歸驗證。
? 能夠設計“規則評測 + 模型評審（LLM-as-judge）”的組合指標，并給出可解釋結論。
? 重視可復現與數據安全：實驗記錄、版本管理、依賴鎖定；脫敏、最小權限、合規意識。
? 最好具備法律相關學歷背景（如法學本科/碩士/研究生，或中文專業中涉及法律文本方向），或在法律專業文本處理（仲裁/訴訟/合規/合同等）方面擁有可證明的項目經驗。
加分項
? 有法律/金融/政務等中文專業文本項目經歷，能提供案例或成果物。
? 熟悉標注工具（Doccano/Label Studio）與標注質控（IAA/Kappa）。
? 具備檢索增強（RAG）與向量庫（FAISS/Milvus）實踐經驗。
? 有自動化評測流水線與數據看板（Metabase/Grafana 等）落地經驗。
? 熟悉國產/中文大模型生態（如 Qwen/DeepSeek/GLM/Yi/Baichuan 等）或本地化部署。
試用期目標（2–3 個月）
? 推動一條“評測—改進—回歸驗證—上線”的閉環落地。
? 對關鍵質量指標（如首稿通過率/錯誤率/編輯工作量）實現可量化改進。
? 產出“標準樣本集/挑戰樣本集”與復現實驗文檔。
合作與方式
與領域專家（SME）、工程與產品緊密協作；成都優先，可遠程；核心數據涉密，需簽署保密與合規承諾。
投遞材料（請務必附）
? 簡歷（含項目/代碼/文章）。
? 一頁 A4 的提示詞 A/B 或中文文本評測案例（含指標與結論）。
? 任選其一示例腳本（可脫敏）：文檔結構化 + JSON 校驗 / 事實-引用一致性規則雛形 / LLM 輔助評審模板。
職位卡片
職責：中文專業文本數據集建設、提示詞 A/B、自動化評測流水線，提升首稿通過率與降低編輯成本；要求：Python 數據處理、結構化輸出、評測與合規；最好具備法律相關學歷或法律文本經驗。