岗位职责
- 参与核心链路研发：在导师指导下，参与千问RAG收录调度、页面解析、内容理解、索引建库等核心离线数据系统的研发与日常维护；
- 参与数据采集与清洗：协助优化网页/图片数据的采集策略、去重策略与质量评估，参与大规模网页数据的清洗与提取；
- 协助通用平台建设：参与万亿级链接、千亿级网页数据分布式处理平台的功能开发，提升海量数据处理的效率与稳定性；
- 性能分析与优化：辅助对大规模分布式计算/存储系统进行性能瓶颈分析，参与系统吞吐与资源成本的专项优化。
职位要求
- 计算机、软件工程等相关专业在校本科、硕士或博士研究生（2028届及以后毕业，有充足实习时间者优先）；
- 精通 C++/Python/Java 至少一种编程语言，具备极其扎实的数据结构、算法、计算机网络和操作系统基础，手写代码能力过硬；
- 熟悉分布式系统的基本原理（如 MapReduce/大数据的基本概念），有相关课程设计、实验室项目或过往相关实习经历者优先；
- 具备极强的学习渴望与主动性，对解决复杂技术难题充满好奇心，具备良好的沟通能力和团队协作精神； 实习时间：每周可实习 4天及以上，且能连续实习 6个月及以上 加分项（满足任意一项均是极大的加分优势）：
- 大数据生态：熟悉 Hadoop、Spark、Flink、HBase 等分布式计算/存储平台，有实际动手实践或调优经验者优先；
- 爬虫与文本处理：有网页抓取（爬虫）、数据解析、反反爬、高并发网络编程或自然语言处理（NLP/文本清洗）相关项目经验者优先；
- 算法竞赛：在知名算法比赛（如 ACM/ICPC、CCPC等）或高校编程挑战赛中取得过优异成绩者优先。
