京东 SQL数据分析计算代码的生成实现与应用

参与主站消费基础体验的智能优化探索落地，包括但不限于以下工作： 1. 客户端代码实现：与团队成员一起参与快手主站客户端代码开发，包括但不限于体验策略、性能优化、稳定性优化等；编写高质量的代码，确保线上App的稳定性、高性能； 2. 数据pipeline建设：参与相关模块的数据产出开发，满足数据分析与策略迭代诉求； 3. 实验数据分析和策略制定：参与分析线上数据，根据对实验数据的拆分与下探判断实验运行现状。基于数据现状，参与优化策略的制定与模型训练迭代； 4. 智能提效工具开发：利用大模型，参与完成客户端相关模块排障与数据分析提效工具开发。

1. AI技术融合与优化：将人工智能技术，特别是大语言模型(e.g. DeepSeek , OpenAI, Qwen)，融入公司业务团队的开发测试流程，提升产品研发效率和质量。 - 自动化工具开发：开发AI辅助工具，如代码审查工具、自动测试用例生成工具、性能瓶颈分析工具等，提高研发测试的自动化程度。 - 数据处理与分析：利用大模型和AI工具处理大量研发测试数据，包括代码、测试用例、测试执行日志等，优化数据处理流程。 2. AI知识库系统构建 - 知识库设计：设计和构建高效、准确的AI知识库系统，支持业务部门的专业知识生成和服务。 - RAG系统开发：构建和优化RAG（Retrieval-Augmented Generation）系统，实现从知识库中快速准确地检索相关信息，并生成高质量的业务文档和回答。 3. AI辅助工具平台开发 - 工具平台设计：设计和开发AI辅助工具平台，提供统一的接口和工具集，支持多种AI应用。 - 用户支持：为业务部门提供技术支持，确保AI工具平台的稳定运行和高效使用。 4. 技术解决方案制定 - 技术选型：根据项目需求，选择合适的大模型和技术框架，确保技术选型的合理性。 - 架构设计：设计系统的整体架构，确保系统的可扩展性、可维护性和高性能。 - 数据处理策略：制定数据处理策略，确保数据的准确性和一致性，优化数据流和存储方案。 5. 项目管理和团队协作 - 需求分析：与业务部门紧密合作，理解业务需求，提供技术解决方案。 - 项目管理：跟踪项目进度，确保按时交付高质量的AI系统。 - 团队协作：与团队成员协作，分享知识和经验，推动团队整体技术水平的提升。

通义千问（Qwen）是由通义实验室自主研发的超大规模语言模型，具备跨语言、跨任务的理解与生成能力。Qwen系列模型，涵盖参数量从几百 M 到 T 级的基座大语言模型，并相继推出Qwen-VL、Qwen-Audio、Qwen-Omni、Qwen-Coder、Qwen-Image等系列模型。从多轮对话到代码生成，从逻辑推理到内容创作，从单一多模态到全模态统一理解生成，Qwen 正在打造全球领先的全模态模型技术体系，推动AI在企业服务、开发者生态、个人用户等领域的深度应用，引领下一代人工智能的发展。 数据的规模和质量对模型效果起到至关重要的作用，团队重视数据的 scaling，包括但不限于自然语言、代码、多模态等数据的 scaling。团队正在寻找适应快速变化、热衷解决大规模数据挑战的算法工程师，专注于大模型预训练中的数据收集、处理与优化。面对百亿至千亿级别的数据规模，设计高效的数据处理管线，与纯文本和多模态预训练团队深度协作，持续提升数据质量和模型性能。 工作职责： 1. 需求对接与迭代： 快速理解模型预训练需求，灵活调整数据方案以适应高频迭代。   2. 数据处理与优化： 开发工具完成数据收集、清洗、格式转换（如HTML2Text、PDF2Text、ASR等），构建验证与测试集以量化性能指标，优化流程以应对超大规模数据挑战。   3. 管线搭建与扩展： 构建自动化、高效率的数据处理管线，优化组件性能，确保稳定性和可扩展性。   4. 协助数据平台建设：与平台团队合作共建数据平台，分析使用痛点，提出建议意见以改进易用性，并跟进落实。 5. 技术支持与创新： 追踪业界技术进展，为预训练团队提供数据支持，探索新技术以提升数据价值和模型效果。

1.产品研发: 负责公司AI产品的设计与开发，确保产品的高性能和高可用性。 2.技术调研与应用: 持续关注和调研最新的AI技术，评估其应用潜力，并将其引入公司AI产品中。 3.业务需求分析: 与产品经理和业务团队紧密合作，理解业务需求并转化为技术实现方案。 4.代码优化和性能调优: 对现有系统进行性能分析和优化，提升系统的响应速度和稳定性。 5.技术指导: 为团队成员提供技术指导和支持，推动团队技术能力提升。 6.文档编写: 撰写相关技术文档和开发规范，确保项目文档的完整性和准确性。 7.项目管理: 协调项目进度，确保按时按质完成开发任务。