主分类：后端与业务系统研发
辅助：搜索推荐与业务决策算法研发（仅展示）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "阿里国际站/Alibaba.com-搜推引擎高级研发工程师-AI Mode",
"job_level": "高级",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类-开发"AI生成
},
"company": {
"company_name": "阿里国际数字商业",
"company_industry": "跨境电商",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "阿里国际数字商业业务涉及国际电商平台及跨境商品交易。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 3,
"degree": "计算机科学或相关专业本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "我们正在寻找对引擎技术有深入理解和实践经验的工程师，参与构建和优化面向海量用户的核心搜索推荐系统。该岗位将深度参与搜推引擎全链路的技术研发，涵盖查询理解、召回、排序、索引等核心模块。\n1. 搜推全链路研发：负责搜推引擎核心模块的设计与开发，包括但不限于 Query 理解、召回策略、排序模型、索引构建与优化等环节，持续优化搜索效果与系统性能。\n2. 策略与算法迭代：与算法团队紧密配合，将 NLP、深度学习等前沿技术落地到搜推场景中，提升相关性、时效性、多样性等核心指标。\n3. 系统架构设计：参与引擎分布式架构的设计与优化，保障系统在高并发、大数据量场景下的稳定性、低延迟和高吞吐。\n4. 数据驱动优化：建立搜推质量评估体系，通过数据分析和用户反馈驱动策略的持续迭代，量化优化效果。\n5. 技术前沿探索：跟踪搜索、推荐、大模型领域的最新技术趋势，探索 LLM 在搜索中的应用（如 query 改写、语义检索、生成式搜索等），推动技术创新与业务价值转化。",
"requirements_text": "1. 计算机科学或相关专业本科及以上学历，3 -5年以上搜推引擎或相关领域的工作经验，有主导过核心模块架构设计的经历。\n2. 扎实的编程功底，精通 Java/C++/Python 中至少一门语言，熟悉数据结构与算法，具备良好的工程实践习惯；熟悉引擎的基本原理，对倒排索引、向量检索、相关性计算等有实际理解和动手经验。\n3. 深入理解搜索全链路（Query 理解 → 召回 → 排序 → 展示），能在多个环节独立制定技术方案并推动落地。\n4. 在以下至少一个方向有深入实践：NLP 技术应用、排序模型（Learning to Rank / 深度学习排序）、向量检索与语义搜索、大规模索引构建与优化、搜索引擎性能调优。\n5. 具备系统架构设计能力，能处理高并发、低延迟的分布式系统挑战，有千万级 QPS 系统经验者优先。\n6. 具备良好的沟通协作能力，能够独立承担模块级别的开发与交付。\n加分项：\n1. 有主流搜索引擎（如 Elasticsearch、Solr、OpenSearch）的源码级理解或深度定制经验。\n2. 有大模型（LLM）在搜索场景落地的实践经验，如 RAG、语义检索、query 理解增强等。\n3. 在 ACM/SIGIR/KDD 等顶会发表过论文，或在开源搜索社区有贡献。\n4. 有电商搜索、内容搜索或垂直领域搜索的实战经验。\n5. 熟悉 TensorFlow/PyTorch 等深度学习框架，有模型训练与线上部署经验。",
"skills": [AI生成
"Python",
"Java",
"C++",
"PyTorch",
"TensorFlow",
"Elasticsearch",
"深度学习",
"自然语言处理",
"数据结构",
"分布式系统",
"模型训练",
"性能调优",
"系统架构",
"架构设计",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "5. 具备系统架构设计能力，能处理高并发、低延迟的分布式系统挑战，有千万级 QPS 系统经验者优先；加分项：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://aidc-jobs.alibaba.com/off-campus/position-detail?positionId=100023715055"
}
]
},
"posting": {
"posting_id": "100023715055",
"post_date": "2026-08-13",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://aidc-jobs.alibaba.com/off-campus/position-detail?positionId=100023715055"
},
"fulltext": "阿里国际站/Alibaba.com-搜推引擎高级研发工程师-AI Mode\n阿里国际站/Alibaba.com-搜推引擎高级研发工程师-AI Mode\n\n基础信息\n职位类别：技术类-开发\n工作地点：杭州\n\n职位描述\n我们正在寻找对引擎技术有深入理解和实践经验的工程师，参与构建和优化面向海量用户的核心搜索推荐系统。该岗位将深度参与搜推引擎全链路的技术研发，涵盖查询理解、召回、排序、索引等核心模块。\n1. 搜推全链路研发：负责搜推引擎核心模块的设计与开发，包括但不限于 Query 理解、召回策略、排序模型、索引构建与优化等环节，持续优化搜索效果与系统性能。\n2. 策略与算法迭代：与算法团队紧密配合，将 NLP、深度学习等前沿技术落地到搜推场景中，提升相关性、时效性、多样性等核心指标。\n3. 系统架构设计：参与引擎分布式架构的设计与优化，保障系统在高并发、大数据量场景下的稳定性、低延迟和高吞吐。\n4. 数据驱动优化：建立搜推质量评估体系，通过数据分析和用户反馈驱动策略的持续迭代，量化优化效果。\n5. 技术前沿探索：跟踪搜索、推荐、大模型领域的最新技术趋势，探索 LLM 在搜索中的应用（如 query 改写、语义检索、生成式搜索等），推动技术创新与业务价值转化。\n\n职位要求\n1. 计算机科学或相关专业本科及以上学历，3 -5年以上搜推引擎或相关领域的工作经验，有主导过核心模块架构设计的经历。\n2. 扎实的编程功底，精通 Java/C++/Python 中至少一门语言，熟悉数据结构与算法，具备良好的工程实践习惯；熟悉引擎的基本原理，对倒排索引、向量检索、相关性计算等有实际理解和动手经验。\n3. 深入理解搜索全链路（Query 理解 → 召回 → 排序 → 展示），能在多个环节独立制定技术方案并推动落地。\n4. 在以下至少一个方向有深入实践：NLP 技术应用、排序模型（Learning to Rank / 深度学习排序）、向量检索与语义搜索、大规模索引构建与优化、搜索引擎性能调优。\n5. 具备系统架构设计能力，能处理高并发、低延迟的分布式系统挑战，有千万级 QPS 系统经验者优先。\n6. 具备良好的沟通协作能力，能够独立承担模块级别的开发与交付。\n加分项：\n1. 有主流搜索引擎（如 Elasticsearch、Solr、OpenSearch）的源码级理解或深度定制经验。\n2. 有大模型（LLM）在搜索场景落地的实践经验，如 RAG、语义检索、query 理解增强等。\n3. 在 ACM/SIGIR/KDD 等顶会发表过论文，或在开源搜索社区有贡献。\n4. 有电商搜索、内容搜索或垂直领域搜索的实战经验。\n5. 熟悉 TensorFlow/PyTorch 等深度学习框架，有模型训练与线上部署经验。\n我们正在寻找对引擎技术有深入理解和实践经验的工程师，参与构建和优化面向海量用户的核心搜索推荐系统。该岗位将深度参与搜推引擎全链路的技术研发，涵盖查询理解、召回、排序、索引等核心模块。\n1. 搜推全链路研发：负责搜推引擎核心模块的设计与开发，包括但不限于 Query 理解、召回策略、排序模型、索引构建与优化等环节，持续优化搜索效果与系统性能。\n2. 策略与算法迭代：与算法团队紧密配合，将 NLP、深度学习等前沿技术落地到搜推场景中，提升相关性、时效性、多样性等核心指标。\n3. 系统架构设计：参与引擎分布式架构的设计与优化，保障系统在高并发、大数据量场景下的稳定性、低延迟和高吞吐。\n4. 数据驱动优化：建立搜推质量评估体系，通过数据分析和用户反馈驱动策略的持续迭代，量化优化效果。\n5. 技术前沿探索：跟踪搜索、推荐、大模型领域的最新技术趋势，探索 LLM 在搜索中的应用（如 query 改写、语义检索、生成式搜索等），推动技术创新与业务价值转化。\n1. 计算机科学或相关专业本科及以上学历，3 -5年以上搜推引擎或相关领域的工作经验，有主导过核心模块架构设计的经历。\n2. 扎实的编程功底，精通 Java/C++/Python 中至少一门语言，熟悉数据结构与算法，具备良好的工程实践习惯；熟悉引擎的基本原理，对倒排索引、向量检索、相关性计算等有实际理解和动手经验。\n3. 深入理解搜索全链路（Query 理解 → 召回 → 排序 → 展示），能在多个环节独立制定技术方案并推动落地。\n4. 在以下至少一个方向有深入实践：NLP 技术应用、排序模型（Learning to Rank / 深度学习排序）、向量检索与语义搜索、大规模索引构建与优化、搜索引擎性能调优。\n5. 具备系统架构设计能力，能处理高并发、低延迟的分布式系统挑战，有千万级 QPS 系统经验者优先。\n6. 具备良好的沟通协作能力，能够独立承担模块级别的开发与交付。\n加分项：\n1. 有主流搜索引擎（如 Elasticsearch、Solr、OpenSearch）的源码级理解或深度定制经验。\n2. 有大模型（LLM）在搜索场景落地的实践经验，如 RAG、语义检索、query 理解增强等。\n3. 在 ACM/SIGIR/KDD 等顶会发表过论文，或在开源搜索社区有贡献。\n4. 有电商搜索、内容搜索或垂直领域搜索的实战经验。\n5. 熟悉 TensorFlow/PyTorch 等深度学习框架，有模型训练与线上部署经验。",
"standard_classification": {
"std_category_code": "T002",
"std_aux_codes": [
"T011"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}