已结束已结束内部需求管理效率提升系统，预算一万

项目介绍

先开始做项目POC，项目特点是需要解析10000页以上的PDF，PDF的组成结构较为复杂，同一个需求ID可能包含标签、文字描述（可能会不同颜色）、图片描述、内嵌表格等。需要把整个10000页以上的PDF按照规则解析出内容录入数据库。而且PDF的格式可能有多种，需要适配至少5家客户。

岗位画像：Python 数据工程师，有 PDF 解析实战经验。具体技术栈就是 PoC 需要的全部：

必备：Python 熟练；用过 PyMuPDF（fitz）和 pdfplumber（这是管线核心，没用过的不考虑）；正则表达式扎实；会写数据校验脚本（三道硬闸门就是校验逻辑）；

加分：做过合同/财报/论文等长文档结构化提取项目；了解 PDF 内部对象模型（文本块、矢量线、图像对象、坐标系）；有 camelot/tabula 经验；

加分：LLM 应用开发经验、模型训练经验。碰到不规则情况，可以利用LLM来做补充识别。