关于这个职位
Growli 的整个产品建立在一个数据集之上：十个 AI 平台、六种语言下，助手对真实购买问题的真实回答，持续不断地收集。你将端到端地负责这条收集与分析管道——探测调度、提及与排名检测、来源提取、变化检测——并把它的准确性从不错的启发式规则提升为可度量、可对标的事实。这是应用型 AI 工程，而且有一个难得的特点：你交付的每一次改进都会立刻以更好的证据呈现给客户。模型每个月都在变，度量它们的管道必须同样快地进化——由你来保证我们始终领先于这条曲线。
你将做什么
- 负责多助手探测管道：调度、韧性、成本控制以及十个平台的按提供商限流。
- 提升六种语言下的提及、排名与情感检测——以标注好的回答集来度量，而不是凭感觉。
- 构建来源提取层，追踪哪些页面和域名塑造了每个助手的回答。
- 设计评估基准，在客户看到之前就拦住检测回归。
- 跟踪模型发布与提供商 API 变化，让管道在几天内完成适配，而不是几个季度。
- 与产品团队一起把原始回答数据变成新的可度量能力——地理可见度、声量份额、变化提醒。
- 在数据集以百万级观测增长的同时，保持它不可变、建模清晰、查询成本低。
成功是什么样子
- 检测准确率有具体数字、有基准套件、有肉眼可见的上升趋势。
- 新的助手或模型能在一天之内加入探测队列。
- 提供商故障时系统优雅降级，而不是留下无声的数据空洞。
- 因为你，至少多了一种客户愿意付费的新证据类型。
我们在找什么样的人
- 3 年以上 Python 生产环境工程经验；构建并运维过数据或 ML 管道。
- 对 LLM API 及其失败模式有实战经验，做过提示层面的评估。
- 把度量当作工程问题来对待：基线、回归、标注数据。
- 习惯端到端地拥有一个系统——架构、成本、监控、故障响应。
- 写作清晰；你的设计文档比它取代的会议更有价值。
- 加分项：多语言 NLP 经验，或做过搜索 / SEO 工具。
发布于 2026年9月1日