一、我們要解決的問題
在 AI Agent 的世界里，數(shù)據(jù)不再是躺在表里的記錄，而是 Agent 的“外掛大腦”。我們要把數(shù)據(jù)從“散亂、滯后、孤立”，變成：
? AI 隨取隨用（極低延遲）
? 語義高度對齊（Agent 聽得懂）
? 血緣清晰可溯（審計不抓瞎）
? 湖倉一體架構(gòu)（拒絕數(shù)據(jù)搬運） 的 AI 數(shù)據(jù)工廠。
如果你厭倦了只是在寫 ETL 抽水泵，想嘗試構(gòu)建一個能直接驅(qū)動 AI 決策的實時數(shù)據(jù)系統(tǒng)，你會喜歡這里。

二、你將面對的挑戰(zhàn)
? 數(shù)據(jù)會變臟，你要設計清洗與自愈機制。
? 鏈路會斷裂，你要實現(xiàn)全鏈路監(jiān)控與自動重算。
? Agent 查數(shù)慢，你要優(yōu)化 Spark/SQL 性能，做到秒級響應。
? 權(quán)限會越界，你要在 OneLake 之上構(gòu)建堅不可摧的安全邊界。
這不是簡單的 SQL 編寫，而是數(shù)據(jù)工程化 (Data Engineering as a System)。

三、你每天會做的事
? 建模： 在 Fabric OneLake 上設計高性能的 Delta Lake 湖倉模型。
? 集成： 通過 Mirroring 或 Data Factory 把業(yè)務系統(tǒng)的碎片數(shù)據(jù)變成 AI 可讀的向量與表格。
? 性能： 調(diào)優(yōu) Spark 作業(yè)和 SQL 終端，確保 Agent 檢索數(shù)據(jù)時不再轉(zhuǎn)圈圈。
? 治理： 構(gòu)建數(shù)據(jù)質(zhì)量監(jiān)控（Great Expectations/Built-in tools），把壞數(shù)據(jù)擋在模型入口外。
? 演進： 把每一次數(shù)據(jù)同步失敗，沉淀成系統(tǒng)的自動化重試與預警能力。

四、技術環(huán)境
? 全棧 Fabric 能力： Data Factory, Synapse Data Engineering, OneLake, Real-Time Intelligence。
? AI 協(xié)同： 深度集成 Azure AI Foundry，數(shù)據(jù)直接服務于 Agent Service。
? 現(xiàn)代化運維： Data CI/CD，基于 Git 的數(shù)據(jù)開發(fā)流。

五、我們希望你具備的底色
? 3年及以上數(shù)據(jù)或后端經(jīng)驗，寫過真實的大規(guī)模生產(chǎn)系統(tǒng)。
? 對“數(shù)據(jù)質(zhì)量”有強迫癥，不能容忍邏輯不一致的指標。
? Spark/SQL 高手，能一眼看出一段查詢?yōu)槭裁绰⒔o出優(yōu)化方案。
? 底層思維，理解存儲與計算分離，理解列式存儲，理解事務一致性。

六、如果你做過這些，很可能會非常適合：
? 數(shù)據(jù)倉庫/湖倉一體項目（Databricks / Snowflake / Synapse）。
? 高并發(fā)查詢系統(tǒng)優(yōu)化。
? 復雜 ETL/ELT 流水線架構(gòu)。
? 主數(shù)據(jù)治理 (MDM) 或元數(shù)據(jù)管理系統(tǒng)。

七、你能得到什么
? 掌握 2026 年*頂尖的數(shù)據(jù)平臺（Fabric 是數(shù)據(jù)人的下一站）。
? 從“管道工”成長為“AI 數(shù)據(jù)架構(gòu)師”。
? 參與 AI 改變基建行業(yè)的實操過程，你的數(shù)據(jù)就是 AI 的眼睛。
? 成就感： 看到 AI 因為你整潔的數(shù)據(jù)而給出完美的審計報告。

給候選人的*后一句話
如果你只是想寫寫 SQL 報表，這里不適合你； 如果你想構(gòu)建驅(qū)動 AI 進化的“數(shù)字心臟”，歡迎你。