电鸭
8人浏览/4人投稿
7天前
待托管赏金
工作方式：全职｜远程
地点：【远程】｜薪资：【10000-15000】｜招聘人数：【2】
面向公开可访问的流量来源，打造一套“Spy”类数据采集与变更监控能力：稳定抓取 → 结构化 → 差异比对 → 告警与回放；沉淀可复用的采集接口/SDK，与内部系统打通形成可观测、可回滚、可审计的数据中间层。
说明（合规与边界）
仅采集公开可访问的信息，尊重 robots.txt 与站点条款；不绕过登录/付费墙/访问控制；不采集个人敏感信息；使用合规代理与存储；对网站友好地控制频率与缓存；所有抓取在获得授权的环境与合法范围内进行。
你将负责
Playwright 采集引擎：基于 Chromium/WebKit/Firefox 通道，设计可插拔采集任务（并发/队列/重试/退避/节流），在无头/有头模式下都稳定运行。
Spy 接口研究：用 DevTools/Tracing/HAR 复盘页面行为，梳理公开接口（URL/参数/时间戳/签名字段等），沉淀为 Postman/OpenAPI/SDK。
结构化与去重：DOM/JSON 抽取、指纹与去重、版本化快照与变更日志，支持字段级 diff 与回放。
变更检测与告警：对核心字段（如标题、素材、价格、投放参数等）进行规则/阈值触发，推送告警、支持回滚。
任务编排与健康检查：调度（Cron/消息队列）、分布式执行、健康探针与自动恢复（异常隔离、断路器/熔断）。
数据出入口：提供对内检索/分析的 API/消息流；保证可查询、可追溯。
工程化：容器化（Docker）、CI/CD、日志/指标/追踪（Observability），以及权限与数据脱敏。
我们希望你具备
主力技术栈（二选一）
Node.js 方向：Node.js（18+），Playwright（@playwright/test、Trace Viewer、route()/请求拦截、持久化上下文）、TypeScript 更佳。
Python 方向：Python（3.10+），Playwright for Python（同步/异步 API 熟悉）、pytest 更佳。
HTTP/浏览器基础：HTTP/1.1/2、缓存/压缩、Cookie/SameSite、CORS、TLS；熟练使用 DevTools（Network/Elements/Recorder）、能导入导出 HAR 并复现请求。
并发与稳态：任务队列与并发模型、限流/重试/指数退避/熔断；超时与幂等；异常归因与失败自动恢复。
解析与抽取：Playwright Selectors、Locator、评估脚本；CSS Selector/XPath、正则与文本清洗；了解 GraphQL/SSE/WebSocket 其一更佳。
数据与存储：PostgreSQL/MySQL 其一；Redis/消息队列（RabbitMQ/Kafka 任一）用于排队与去抖；基本的数据建模与索引优化。
可观测性：结构化日志、指标（Prometheus/Grafana 或 ELK 任一），能快速定位失败样本、支持数据回放。
文档与沉淀：把“网页操作 → 接口调用”反推成可复用文档/SDK，字段、限流与异常说明清晰完整。
AI 编程工具：会用 Copilot/Cursor/LLM 助手做样板生成/单测补全/重构建议，并对 AI 产出做人工审查与许可证合规校验。
与“Playwright + HTML/HTTP 提取 API”相关的必备点
熟悉 浏览器上下文隔离、持久化登录（storageState）、设备/区域/语言/时区模拟（用于合法实验与对照）。
会用 network interception（page.route）与 request/response 钩子做请求观测与最小可行复现。
能从前端脚本定位关键参数（token/nonce/timestamp/签名字段等），写出最小可行调用示例（仅限公开或授权接口）。
能将流程沉淀为 OpenAPI/TypeScript/Python SDK 的封装与示例。
熟悉缓存控制、友好处理 429/403 等站点保护信号（退避、降频、缓存命中提升），避免对目标站点造成压力。
加分项（写能力，不写具体业务名）
做过DOM/字段级 diff、快照与回放；有“变更 → 告警 → 回滚”的闭环实践。
任务编排与容灾：蓝绿/灰度、健康检查、自动回滚；分布式执行与节点健康度治理。
代理与出口治理（合规供应商）：可用性与成本平衡、IP 健康度度量。
数据合规：PDPA/GDPR 与数据最小化；写过数据字典/数据血缘。
将 AI 引入工程流程：失败样本自动归因/聚类、生成埋点/单测、PR 评审建议等。
投递材料（帮助我们快速判断）
1–2 个相关项目（Playwright 采集/接口还原/变更监控/可观测），写清你的角色与指标变化（如“成功率 92%→99%”）。
任意代码片段或仓库（可去敏），展示并发抓取、限流/退避、变更 diff 或“从 HAR/cURL 复现接口调用”。
（如有）你整理过的 OpenAPI/Postman 示例与字段字典（可去敏）。
到岗时间与合作形式（全职/外包/驻场）。
