Alibaba logo
阿里巴巴
Token Foudry-算法工程师-AI搜

Token Foudry-算法工程师-AI搜

发布于 1 天前

普通员工/个人贡献者

AI 估算 · 3.5–6.5万 · AI 参考估算
中级经验
硕士
全职员工仅现场办公AI算法
AI算法
Ai搜索
Rag
信息抽取
去重
向量检索
大规模数据处理
搜索排序
索引构建
网页解析

值不值得投

77综合评分

综合评分 77

AI搜索核心算法岗,技术前沿、成长性强,办公模式与WLB信息未披露

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便横向比较。

薪资怎么样

5.0万

比AI算法中位数高

发布情况

新岗位 · 昨天发布

公司情况

这家公司招聘很活跃

约 5250 个在招 · 其中AI算法 约 120 个

市场机会

选择面较广

北京 · AI算法 · 约 290 个在招

职位详情

关于这个职位

该岗位聚焦AI搜索方向的大规模网页搜索数据体系建设,负责网页获取、内容解析、信息抽取、质量评估、去重和索引构建等关键环节

你将通过实验评测与问题样本分析持续优化搜索数据质量,并与在线检索和大模型训练链路协作,推动搜索效果提升

最低要求

计算机科学、软件工程、人工智能、数学或相关专业硕士及以上学历,具备扎实的数据结构、算法和计算机系统基础

具备搜索业务大规模数据处理经验,熟悉网页解析、内容理解、质量评估、去重、索引构建中的一个或多个方向
具备良好的实验设计、效果评测和问题样本分析能力,能够以数据为依据定位问题,并持续优化系统效果与迭代效率
对向量检索、搜索排序、检索增强生成及AI搜索有较全面的理解,具备良好的跨团队协作和沟通能力

工作职责

负责大规模网页搜索数据体系建设,覆盖网页获取、内容解析、信息抽取、质量评估、去重和索引构建等关键环节,持续提升搜索数据的质量、覆盖范围和更新时效

建立搜索数据的实验与评测体系,通过指标设计、对照实验和问题样本分析,准确定位数据及索引质量问题
与搜索在线链路协作,打通数据生产、在线检索与模型效果之间的反馈链路,推动搜索效果持续优化
支持大模型训练、企业客户及集团内部业务的搜索需求,沉淀可复用的数据能力和技术方案

AI 洞察

优缺点分析

优点

  • 岗位处于AI搜索与大模型检索结合的核心场景,技术栈与搜索质量、RAG效果直接相关,成长性强
  • 覆盖数据生产、索引、评测、在线检索和模型反馈全链路,有利于建立系统化搜索算法能力
  • 支持大模型训练、企业客户和集团内部业务,项目场景丰富,技术沉淀可复用性高
  • 北京/杭州双地点选择,便于候选人在一线搜索技术团队密集区域发展
  • 适合有搜索、推荐、NLP、大模型检索或大规模数据处理经验,且希望深入AI搜索基础设施与效果优化的算法工程师

缺点 / 挑战

  • 大规模网页数据体系复杂,涉及质量、覆盖、时效、索引和在线效果多目标平衡,问题定位难度较高
  • 需要同时具备数据处理、检索算法、评测分析和跨团队推动能力,对综合技术深度和协作能力要求较高
  • 搜索效果优化依赖严谨实验和长期迭代,短期内容易遇到指标波动和复杂坏例排查压力

角色解读

  • 可沿着搜索算法与数据系统专家方向发展,深耕网页理解、索引质量、检索排序和RAG效果优化
  • 可拓展到AI搜索、大模型训练数据、企业搜索解决方案等方向,形成数据、检索、模型协同的完整能力
  • 长期可成长为技术负责人或架构型专家,主导搜索数据体系、评测体系和在线离线反馈链路的设计
  • 建设大规模网页搜索数据链路,包括网页获取、解析、抽取、质量评估、去重和索引构建,核心目标是提升数据覆盖、质量和更新时效
  • 设计搜索数据实验与评测体系,通过指标、对照实验和坏例分析定位数据与索引质量问题
  • 与在线检索、模型训练和业务团队协作,把数据生产、检索效果和模型反馈串成闭环,持续优化AI搜索体验
  • 需要扎实的计算机基础,包括数据结构、算法、系统基础,以及硕士及以上相关专业背景
  • 需要大规模搜索数据处理经验,熟悉网页解析、内容理解、去重、索引构建等至少一个核心方向
  • 需要掌握实验设计、效果评测和样本分析方法,并能理解向量检索、搜索排序、RAG和AI搜索等技术体系
  • 需要跨团队协作和沟通能力,因为岗位连接数据生产、在线链路、模型效果和多个业务需求方

申请策略

  • 申请前了解阿里搜索、AI搜索和大模型相关业务方向,准备对该岗位数据链路和评测体系的理解
  • 面试中尽量用量化结果说明贡献,例如覆盖率、准确率、召回率、时延、更新时效或搜索效果指标改善
  • 突出与搜索或大规模数据处理相关的项目,明确数据规模、处理链路、核心指标和最终效果提升
  • 重点展示网页解析、内容理解、质量评估、去重、索引构建等经历,最好说明你在其中负责的具体模块
  • 强化实验设计与评测能力,写清指标设计、A/B实验、坏例分析和迭代闭环方法
  • 补充向量检索、搜索排序、RAG、AI搜索等项目经验,体现对检索与大模型结合场景的理解
  • 可系统复习信息检索、倒排索引、向量检索、排序模型和RAG评测方法,补齐搜索全链路知识
  • 提升大规模数据处理和实验分析能力,熟悉用指标拆解、样本归因和对照实验定位问题

面试指南

  • 用“目标—指标—链路—实验—归因”的结构回答搜索质量问题,先明确业务目标,再拆解数据、索引、检索和模型环节
  • 讲项目时使用STAR框架,重点说明问题规模、技术方案、实验设计、量化结果和复盘沉淀
  • 对技术理解类问题,先讲原理和适用边界,再结合AI搜索或大模型场景说明取舍与落地方式
  • 如何设计一个大规模网页搜索数据质量评估体系?你会定义哪些核心指标?
  • 面对搜索结果中某类内容质量下降的问题,你会如何通过样本分析和实验定位原因?
  • 网页去重或索引构建中常见的问题有哪些?如何平衡召回、准确率和更新时效?
  • 向量检索、传统倒排检索和搜索排序在AI搜索场景中如何配合?
  • 请介绍一个你参与过的大规模数据处理或检索优化项目,你的具体贡献和效果是什么?

职位点评

薪资福利82
成长发展88
工作生活55
使命价值76

薪资福利

82较高

JD未披露薪资与福利信息,但岗位要求硕士学历、搜索大规模数据处理和AI检索经验,技能门槛较高。对重视薪酬竞争力的求职者有较强吸引力,但具体回报需与招聘方确认。

薪资信号未披露(AI估算:3.5千–6.5万/月)

成长发展

88较高

岗位覆盖AI搜索、向量检索、RAG、搜索排序和大规模数据体系,技术链路完整且要求实验评测能力。对希望深耕搜索算法与大模型检索结合的求职者发展价值较高。

技术前沿前沿/新兴技术
技术栈向量检索、搜索排序、检索增强生成、AI搜索、索引构建、网页解析、内容理解、质量评估、去重
业务类型ambiguous

工作生活

55较低

JD明确给出北京/杭州两个工作城市,但未说明远程、弹性、双休或加班情况。办公模式和生活节奏相关信息不足,需要投递前向HR确认。

工作模式未明确
办公地点未明确
加班情况未提及(无法判断)

使命价值

76中等

岗位服务于AI搜索、大模型训练、企业客户和集团内部业务的搜索需求,技术成果具有较强业务应用价值。JD未直接描述社会使命或公共价值导向,意义感主要来自技术场景和业务影响力。

行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs