1、负责业务线（营收 / 活跃 / 留存 / 投放 ROI / 续费率等）的数据分析与异动归因，定位根因并给出可落地的业务结论。 2、主导 A/B 实验设计、埋点评审、跑数与结论判定（分层正交、AA 校验、显著性检验），保障实验科学可信。 沉淀分析方法与指标口径到团队知识库，参与交叉评审与纠错，持续提升数据资产质量。 3、参与建设或深度使用 AI Agent 基建：RAG 知识检索、Multi-Agent 归因编排、Skill / MCP 工具开发与 Prompt 工程。 4、搭建或参与 AI 能力评测体系（Evals）：评测集、Rubrics、LLM-as-a-Judge，让「新版 Agent 比上一版好多少」可量化。 5、推动 AI 工具链工程化或提出迭代需求：版本管理、自动升级、回归测试、质量门禁与可观测性；将高频可复用的分析套路抽象为工程化能力。

必备 1、实习经历中包含BI 分析经验，具备扎实的业务 sense 与文档沟通能力。 2、会写 Python（脚本开发、调用 LLM API）+ 会写 SQL（复杂取数、多表关联、指标拆解）。 3、熟悉大模型能力边界，重度使用 Claude / ChatGPT / Cursor / Codex 等 AI 工具解决真实工作。 ​ 加分​ 1、具备四类实战经验：数据可视化、数据排异与归因、A/B 实验报告、埋点设计。 1、掌握模型评测方法论（Rubrics / LLM-as-a-Judge / GSB / 离线评测集） 2、有 Agent / RAG 工程深度经验（MCP、向量数据库 sqlite-vec / FAISS / Milvus、Embedding、Multi-Agent 编排）。 3、了解模型微调（SFT / DPO / LoRA）。 4、熟悉大数据栈（Presto / Trino / Spark / Hive / ClickHouse）。 5、对 AI 有真实热情与持续探索精神。