知识治理与建模专家

职位定位：AI知识工程专家 我们正在寻找一位Harness工程中的知识工程专家。你的核心使命是：将组织内散落的隐性经验（开发习惯、架构决策、故障排查路径、运维SOP）转化为显性、结构化、可被AI智能体直接读取和执行的工程化知识资产，从而支撑AI Coding从需求分析、代码生成、测试验证到部署运维的全链路智能化闭环。 你将负责设计和维护AI智能体的"知识供给系统"，确保AI在复杂工程任务中始终"知道自己在哪、该遵守什么规则、该怎么干活"，而非依赖不可靠的提示词或临时上下文。 核心职责 1.隐性知识显性化与持续捕获 建立机制，将资深工程师的经验（如设计决策、故障排查、踩坑记录）通过访谈、复盘等方式，持续转化为结构化的文档、规则或脚本，形成组织可复用的知识资产。 2.分层知识架构与AI可读规范设计 设计并维护分层文档系统，定义各领域模块的职责边界、API约定、数据流规范，确保知识可被AI按需读取，避免上下文过载。 3.知识-代码自动同步与熵管理 通过Agent或Git Hooks实现"代码变更→文档同步"的自动化闭环，并定期清理过时、冲突或冗余的知识资产，保持知识库的鲜活度与一致性。 4.约束护栏与失败反馈闭环 将隐性经验转化为硬性约束（如状态机、Linter规则、权限边界），替代软性提示词；同时将L1-L3验证的失败案例沉淀为可复用知识，驱动AI自愈与知识迭代。

必备条件 • 3年以上知识工程、技术文档工程、开发者体验或AI工程化相关经验 • 深刻理解"隐性知识→显性知识→可执行知识"的转化路径，有实际落地案例 • 熟悉AI Coding工具链及其上下文管理机制 • 具备优秀的抽象能力和结构化思维，能将模糊的经验提炼为清晰的规则 • 有技术背景，能读懂代码并与工程师高效沟通 加分项 • 有Harness Engineering实际项目经验 • 熟悉AGENTS.md/CLAUDE.md等AI上下文管理实践 • 有知识图谱、专家系统或RAG系统建设经验 • 有开源项目文档体系或开发者文档平台建设经验