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": "AI搜索架构与系统设计-阿里星",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "阿里巴巴控股集团",
"location": "北京 / 杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类"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": "计算机科学、人工智能或相关专业博士学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "负责设计与构建涵盖公共互联网信息的下一代 AI 搜索系统。主导从数据采集、索引构建到检索增强生成（RAG）的全链路架构设计，解决在百亿级文档规模下的高并发、低延迟及事实一致性难题。 核心职责包括： \n1、公网数据流水线架构设计：设计并实现高吞吐的公网数据采集与清洗系统，应对海量、多模态及动态变化的公开网络数据； \n2、混合检索与 RAG 引擎优化：构建基于“向量检索 + 关键词倒排索引”的混合检索架构，在百亿级文档库中实现毫秒级的高精度召回； \n3、大模型事实一致性校验：研发生成式搜索中的事实校验模块，抑制“幻觉”现象。 建立自动化评估框架，量化搜索结果的可解释性、准确性及来源权威性； \n4、高性能系统架构演进： 参与 AI 搜索系统的整体架构设计，推动系统从传统云原生架构向 AI 原生架构转型，整合分布式索引与大模型推理能力，平衡计算资源成本与系统性能。",
"requirements_text": "1、计算机科学、人工智能或相关专业博士学历； \n2、精通 Python/C++/Go 中至少一门语言，具备深厚的数据结构与算法基础； \n3、搜索引擎核心技术：深入理解倒排索引原理、BM25/TF-IDF 算法及分布式索引构建策略，有亿级数据量索引优化经验者优先；\n4、向量检索与大模型：熟练掌握主流向量数据库及近似最近邻搜索（ANN）的优化，熟悉基础RAG 框架的实现与优化； \n5、分布式系统架构：具备高并发、高可用系统设计经验，熟悉 Kubernetes 及微服务架构； \n6、对 AI 搜索前沿技术（如 Agentic Search, Multi-modal Retrieval）有敏锐的洞察力； \n7、具备优秀的逻辑思维能力，能够独立拆解复杂问题并提出创新解决方案； \n8、良好的沟通协作能力，能够跨团队推动技术落地。 \n加分项： \n1、有主导或参与过工网搜索引擎或大型知识库问答系统的建设经验； \n2、在人工智能和计算机系统顶级会议发表过相关论文； \n3、ACM/ICPC等国际奖项获得者，主流开源项目活跃贡献者。",
"skills": [AI生成
"Python",
"C++",
"Kubernetes",
"数据结构",
"分布式系统",
"微服务",
"数据库",
"系统架构",
"逻辑思维",
"Go",
"大语言模型"
],
"preferred_qualifications": "3、搜索引擎核心技术：深入理解倒排索引原理、BM25/TF-IDF 算法及分布式索引构建策略，有亿级数据量索引优化经验者优先；加分项：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199907740037?deptCodes="
}
]
},
"posting": {
"posting_id": "199907740037",
"post_date": "2026-08-13",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907740037?deptCodes="
},
"fulltext": "AI搜索架构与系统设计-阿里星\nAI搜索架构与系统设计-阿里星\n\n基础信息\n毕业起止时间要求：2026-11-01 - 2027-10-31\n职位类别：技术类\n招聘项目：阿里巴巴2027届应届生\n工作地点：北京 / 杭州\n\n职位描述\n负责设计与构建涵盖公共互联网信息的下一代 AI 搜索系统。主导从数据采集、索引构建到检索增强生成（RAG）的全链路架构设计，解决在百亿级文档规模下的高并发、低延迟及事实一致性难题。 核心职责包括： \n1、公网数据流水线架构设计：设计并实现高吞吐的公网数据采集与清洗系统，应对海量、多模态及动态变化的公开网络数据； \n2、混合检索与 RAG 引擎优化：构建基于“向量检索 + 关键词倒排索引”的混合检索架构，在百亿级文档库中实现毫秒级的高精度召回； \n3、大模型事实一致性校验：研发生成式搜索中的事实校验模块，抑制“幻觉”现象。 建立自动化评估框架，量化搜索结果的可解释性、准确性及来源权威性； \n4、高性能系统架构演进： 参与 AI 搜索系统的整体架构设计，推动系统从传统云原生架构向 AI 原生架构转型，整合分布式索引与大模型推理能力，平衡计算资源成本与系统性能。\n\n职位要求\n1、计算机科学、人工智能或相关专业博士学历； \n2、精通 Python/C++/Go 中至少一门语言，具备深厚的数据结构与算法基础； \n3、搜索引擎核心技术：深入理解倒排索引原理、BM25/TF-IDF 算法及分布式索引构建策略，有亿级数据量索引优化经验者优先；\n4、向量检索与大模型：熟练掌握主流向量数据库及近似最近邻搜索（ANN）的优化，熟悉基础RAG 框架的实现与优化； \n5、分布式系统架构：具备高并发、高可用系统设计经验，熟悉 Kubernetes 及微服务架构； \n6、对 AI 搜索前沿技术（如 Agentic Search, Multi-modal Retrieval）有敏锐的洞察力； \n7、具备优秀的逻辑思维能力，能够独立拆解复杂问题并提出创新解决方案； \n8、良好的沟通协作能力，能够跨团队推动技术落地。 \n加分项： \n1、有主导或参与过工网搜索引擎或大型知识库问答系统的建设经验； \n2、在人工智能和计算机系统顶级会议发表过相关论文； \n3、ACM/ICPC等国际奖项获得者，主流开源项目活跃贡献者。\n\n在招业务\n阿里巴巴控股集团\n负责设计与构建涵盖公共互联网信息的下一代 AI 搜索系统。主导从数据采集、索引构建到检索增强生成（RAG）的全链路架构设计，解决在百亿级文档规模下的高并发、低延迟及事实一致性难题。 核心职责包括： \n1、公网数据流水线架构设计：设计并实现高吞吐的公网数据采集与清洗系统，应对海量、多模态及动态变化的公开网络数据； \n2、混合检索与 RAG 引擎优化：构建基于“向量检索 + 关键词倒排索引”的混合检索架构，在百亿级文档库中实现毫秒级的高精度召回； \n3、大模型事实一致性校验：研发生成式搜索中的事实校验模块，抑制“幻觉”现象。 建立自动化评估框架，量化搜索结果的可解释性、准确性及来源权威性； \n4、高性能系统架构演进： 参与 AI 搜索系统的整体架构设计，推动系统从传统云原生架构向 AI 原生架构转型，整合分布式索引与大模型推理能力，平衡计算资源成本与系统性能。\n1、计算机科学、人工智能或相关专业博士学历； \n2、精通 Python/C++/Go 中至少一门语言，具备深厚的数据结构与算法基础； \n3、搜索引擎核心技术：深入理解倒排索引原理、BM25/TF-IDF 算法及分布式索引构建策略，有亿级数据量索引优化经验者优先；\n4、向量检索与大模型：熟练掌握主流向量数据库及近似最近邻搜索（ANN）的优化，熟悉基础RAG 框架的实现与优化； \n5、分布式系统架构：具备高并发、高可用系统设计经验，熟悉 Kubernetes 及微服务架构； \n6、对 AI 搜索前沿技术（如 Agentic Search, Multi-modal Retrieval）有敏锐的洞察力； \n7、具备优秀的逻辑思维能力，能够独立拆解复杂问题并提出创新解决方案； \n8、良好的沟通协作能力，能够跨团队推动技术落地。 \n加分项： \n1、有主导或参与过工网搜索引擎或大型知识库问答系统的建设经验； \n2、在人工智能和计算机系统顶级会议发表过相关论文； \n3、ACM/ICPC等国际奖项获得者，主流开源项目活跃贡献者。",
"standard_classification": {
"std_category_code": "T002",
"std_aux_codes": [
"T011"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}