百川智能｜【日常实习】搜索与数据工程实习生（AI大模型方向）

1、参与互联网公开数据的采集、清洗、解析和结构化处理，建设高质量知识库与训练数据集； 2、负责网页、文档、PDF等多种数据源的数据抓取与解析，持续提升数据覆盖率与更新时效； 3、参与分布式爬虫系统建设，优化采集链路的稳定性、扩展性和运行效率； 4、参与网站反爬机制分析与采集策略优化，包括动态页面解析、请求特征分析、访问频率控制等； 5、参与代理池、任务调度、异常监控等基础能力建设，提升大规模数据采集成功率； 6、参与搜索检索系统建设，包括索引构建、检索优化、数据更新等工作； 7、参与大模型RAG（检索增强生成）系统的数据建设与效果优化； 8、协助开展搜索质量评估、数据标注和效果分析工作，持续提升知识检索质量。

1、本科及以上学历在读，计算机、软件工程、人工智能等相关专业； 2、熟练掌握 Python，具备良好的编码能力和工程实践能力； 3、熟悉 HTTP/HTTPS、Cookie、Session、Ajax、REST API 等网络基础知识； 4、熟悉 HTML、XPath、CSS Selector、正则表达式等网页解析技术； 5、熟悉 Linux 环境和常用开发工具； 6、了解搜索引擎、知识库、大模型应用等相关技术； 7、具备较强的问题分析能力和自主学习能力。 加分项 熟悉 Scrapy、Playwright、Selenium、BeautifulSoup 等采集框架； 有反爬对抗、动态网页采集、分布式爬虫等项目经验； 熟悉 Elasticsearch、OpenSearch 等搜索引擎； 了解向量检索、Embedding、Milvus、Faiss等技术； 熟悉 Redis、Kafka、MySQL、MongoDB 等中间件或数据库； 有开源项目贡献、技术博客或竞赛经历。 技术关键词 Python｜Scrapy｜Playwright｜Selenium｜分布式爬虫｜反爬对抗｜代理池｜Elasticsearch｜RAG｜知识库｜向量检索｜Redis｜Kafka 你将获得 1、参与大模型核心知识库与搜索系统建设； 2、接触海量互联网数据采集与搜索技术实践； 3、学习RAG、知识库、向量检索等前沿AI技术； 4、与搜索、数据、算法团队深度协作，了解大模型产品研发全流程。