主分类：数据工程与数据平台研发
辅助：Agent系统开发（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": "数据基础及产品-数据处理工程师-搜索引擎方向",
"job_level": "未披露",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-数据"AI生成
},
"company": {
"company_name": "阿里巴巴控股集团",
"company_industry": "电子商务 / 云计算 / 人工智能",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "阿里巴巴集团面向消费者和企业提供电子商务、云计算及人工智能服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 建设基于 LLM/VLM 的网页解析系统，完成正文识别、语义分块、内容去噪及关键字段的结构化抽取。\n2. 建设 Agent 化解析能力，根据页面类型和任务目标自主选择解析策略、调用工具、验证结果并进行错误修正。\n3. 解决复杂网页、长页面、图文混排和多语言页面中的解析准确率、覆盖率、成本及稳定性问题。\n4. 建设网页内容和页面形态分类体系，识别新闻、商品、论坛、问答等内容类型，以及首页、列表页、详情页、聚合页等页面形态。\n5. 综合页面内容、DOM结构、URL、链接关系和视觉信息，提升分类模型对长尾页面及新类型页面的泛化能力。\n6. 将分类结果应用于抓取调度、解析策略、索引构建及搜索召回排序。\n7. 建设网页完整度、原创度、时效性、可信度和内容价值评估能力。\n8. 识别低质内容、重复内容、SEO垃圾页、内容农场、镜像站及恶意跳转等问题。\n9. 建设网页解析、分类和质量评估体系，持续提升网页数据质量及搜索效果。",
"requirements_text": "1. 计算机、人工智能、数学或相关专业，本科及以上学历。\n2. 熟练掌握 Python，熟悉 Java、Go 或 C++ 中至少一种语言。\n3. 具备搜索引擎、网页解析、网页分类、信息抽取或内容质量相关经验。\n4. 熟悉 HTML、DOM、URL、页面链接关系及常见网页结构。\n5. 熟悉文本分类、多标签分类、实体识别、语义匹配、聚类或异常检测等技术。\n6. 熟悉 LLM 的 Prompt Engineering、结构化输出、Function Calling、Tool Use 和上下文管理。\n7. 具备 LLM 信息抽取、VLM 页面理解、RAG 或 Agent 相关项目经验。\n8. 能够设计包含任务规划、工具调用、结果验证和异常降级的 Agent 工作流。\n9. 具备良好的工程化及评测能力，能够综合考虑准确率、覆盖率、延迟、成本和系统稳定性。\n加分项\n● 有搜索引擎网页处理、索引数据生产或搜索质量优化经验。\n● 有基于 LLM/VLM 进行网页或文档结构化解析的生产实践。\n● 有 Agentic Parsing、Browser Agent 或 Deep Research Agent 相关经验。\n● 有模型微调、蒸馏、数据合成或小模型部署经验。\n● 熟悉 OCR、网页截图理解及多模态页面解析。\n● 熟悉 Playwright、Puppeteer、Chromium/CDP 等动态网页渲染技术。\n● 熟悉 HTTP、代理、分布式爬虫、URL调度及大规模网页采集系统。\n● 熟悉 Elasticsearch、Kafka、Redis、Spark、Flink 或向量数据库。",
"skills": [AI生成
"Python",
"Java",
"C++",
"Redis",
"Spark",
"Flink",
"Kafka",
"Elasticsearch",
"数据库",
"模型微调",
"渲染",
"Go",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "加分项",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100035940001"
}
]
},
"posting": {
"posting_id": "100035940001",
"post_date": "2026-09-04",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100035940001"
},
"fulltext": "数据基础及产品-数据处理工程师-搜索引擎方向\n数据基础及产品-数据处理工程师-搜索引擎方向\n\n基础信息\n职位类别：技术类-数据\n工作地点：杭州\n\n职位描述\n1. 建设基于 LLM/VLM 的网页解析系统，完成正文识别、语义分块、内容去噪及关键字段的结构化抽取。\n2. 建设 Agent 化解析能力，根据页面类型和任务目标自主选择解析策略、调用工具、验证结果并进行错误修正。\n3. 解决复杂网页、长页面、图文混排和多语言页面中的解析准确率、覆盖率、成本及稳定性问题。\n4. 建设网页内容和页面形态分类体系，识别新闻、商品、论坛、问答等内容类型，以及首页、列表页、详情页、聚合页等页面形态。\n5. 综合页面内容、DOM结构、URL、链接关系和视觉信息，提升分类模型对长尾页面及新类型页面的泛化能力。\n6. 将分类结果应用于抓取调度、解析策略、索引构建及搜索召回排序。\n7. 建设网页完整度、原创度、时效性、可信度和内容价值评估能力。\n8. 识别低质内容、重复内容、SEO垃圾页、内容农场、镜像站及恶意跳转等问题。\n9. 建设网页解析、分类和质量评估体系，持续提升网页数据质量及搜索效果。\n\n职位要求\n1. 计算机、人工智能、数学或相关专业，本科及以上学历。\n2. 熟练掌握 Python，熟悉 Java、Go 或 C++ 中至少一种语言。\n3. 具备搜索引擎、网页解析、网页分类、信息抽取或内容质量相关经验。\n4. 熟悉 HTML、DOM、URL、页面链接关系及常见网页结构。\n5. 熟悉文本分类、多标签分类、实体识别、语义匹配、聚类或异常检测等技术。\n6. 熟悉 LLM 的 Prompt Engineering、结构化输出、Function Calling、Tool Use 和上下文管理。\n7. 具备 LLM 信息抽取、VLM 页面理解、RAG 或 Agent 相关项目经验。\n8. 能够设计包含任务规划、工具调用、结果验证和异常降级的 Agent 工作流。\n9. 具备良好的工程化及评测能力，能够综合考虑准确率、覆盖率、延迟、成本和系统稳定性。\n加分项\n● 有搜索引擎网页处理、索引数据生产或搜索质量优化经验。\n● 有基于 LLM/VLM 进行网页或文档结构化解析的生产实践。\n● 有 Agentic Parsing、Browser Agent 或 Deep Research Agent 相关经验。\n● 有模型微调、蒸馏、数据合成或小模型部署经验。\n● 熟悉 OCR、网页截图理解及多模态页面解析。\n● 熟悉 Playwright、Puppeteer、Chromium/CDP 等动态网页渲染技术。\n● 熟悉 HTTP、代理、分布式爬虫、URL调度及大规模网页采集系统。\n● 熟悉 Elasticsearch、Kafka、Redis、Spark、Flink 或向量数据库。\n1. 建设基于 LLM/VLM 的网页解析系统，完成正文识别、语义分块、内容去噪及关键字段的结构化抽取。\n2. 建设 Agent 化解析能力，根据页面类型和任务目标自主选择解析策略、调用工具、验证结果并进行错误修正。\n3. 解决复杂网页、长页面、图文混排和多语言页面中的解析准确率、覆盖率、成本及稳定性问题。\n4. 建设网页内容和页面形态分类体系，识别新闻、商品、论坛、问答等内容类型，以及首页、列表页、详情页、聚合页等页面形态。\n5. 综合页面内容、DOM结构、URL、链接关系和视觉信息，提升分类模型对长尾页面及新类型页面的泛化能力。\n6. 将分类结果应用于抓取调度、解析策略、索引构建及搜索召回排序。\n7. 建设网页完整度、原创度、时效性、可信度和内容价值评估能力。\n8. 识别低质内容、重复内容、SEO垃圾页、内容农场、镜像站及恶意跳转等问题。\n9. 建设网页解析、分类和质量评估体系，持续提升网页数据质量及搜索效果。\n1. 计算机、人工智能、数学或相关专业，本科及以上学历。\n2. 熟练掌握 Python，熟悉 Java、Go 或 C++ 中至少一种语言。\n3. 具备搜索引擎、网页解析、网页分类、信息抽取或内容质量相关经验。\n4. 熟悉 HTML、DOM、URL、页面链接关系及常见网页结构。\n5. 熟悉文本分类、多标签分类、实体识别、语义匹配、聚类或异常检测等技术。\n6. 熟悉 LLM 的 Prompt Engineering、结构化输出、Function Calling、Tool Use 和上下文管理。\n7. 具备 LLM 信息抽取、VLM 页面理解、RAG 或 Agent 相关项目经验。\n8. 能够设计包含任务规划、工具调用、结果验证和异常降级的 Agent 工作流。\n9. 具备良好的工程化及评测能力，能够综合考虑准确率、覆盖率、延迟、成本和系统稳定性。\n加分项\n● 有搜索引擎网页处理、索引数据生产或搜索质量优化经验。\n● 有基于 LLM/VLM 进行网页或文档结构化解析的生产实践。\n● 有 Agentic Parsing、Browser Agent 或 Deep Research Agent 相关经验。\n● 有模型微调、蒸馏、数据合成或小模型部署经验。\n● 熟悉 OCR、网页截图理解及多模态页面解析。\n● 熟悉 Playwright、Puppeteer、Chromium/CDP 等动态网页渲染技术。\n● 熟悉 HTTP、代理、分布式爬虫、URL调度及大规模网页采集系统。\n● 熟悉 Elasticsearch、Kafka、Redis、Spark、Flink 或向量数据库。",
"standard_classification": {
"std_category_code": "T016",
"std_aux_codes": [
"T009"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}