北京Android开发
Android开发工程师是负责开发和维护Android应用程序的专业人才。他们需要具备扎实的编程知识和技能，熟悉Java或Kotlin编程语言以及Android开发工具集。他们负责从理念到实现的整个应用程序开发过程，包括需求分析、架构设计、编码、测试、调试和发布。他们需要能够与UI/UX设计师和产品团队密切合作，确保应用程序满足用户需求，具有良好的用户体验和高质量的性能。此外，他们需要对常见的移动开发框架和第三方库有深刻的了解，以便优化开发流程并解决可能出现的问题。Android开发工程师在不断变化的移动技术领域中发挥着关键作用，为用户提供丰富多彩的移动应用体验。
薪酬概览
平均月薪
¥23000
中位数 ¥22000 ｜ 区间 ¥17800 - ¥28200
数据来源：谈职全网18份招聘数据；更新时间：2026年7月13日
月薪分布
61.1% 人群薪酬落在 15-30k
三大影响薪酬的核心维度
影响薪资的核心维度1：工作年限
影响薪资的核心维度2：学历背景
市场需求
6月新增岗位
20
对比上月：岗位新增10
数据由各大平台公开数据统计分析而来，仅供参考。
岗位需求趋势
不同经验岗位需求情况
| 工作年限 | 月度新增职位数 | 职位占比数 |
|---|---|---|
| 应届 | 5 | 29.4% |
| 1-3年 | 2 | 11.8% |
| 3-5年 | 5 | 29.4% |
| 5-10年 | 5 | 29.4% |
热招职位
1. 负责Android客户端核心业务和平台相关架构、设计、优化;
2. 负责基础库、框架、关键模块的技术选型、开发和改进;
3. 对新技术进行调研，将新技术分享并应用到现有产品开发中，提高客户端的技术能力;
4. 优化Android团队的开发方式和流程、规范，提高团队效率。
任职要求
职位描述：
1.参与公司技术中台通用框架研发工作，支撑多款手游/端游项目的快速迭代；
2.帮助项目组优化游戏，解决项目开发中的各种问题。
任职要求：
1.统招本科及以上学历，计算机科学、软件工程等相关专业；
2.3年以上Unity引擎游戏开发经验；
3.熟悉C#或其他游戏开发相关编程语言，熟练掌握常用数据结构和算法；
4.富有团队意识，善于主动沟通、高效协作。
加分项：
1、具有帧同步游戏开发成功经验，掌握帧同步相关技术方案及经验；
职位描述：
1.参与公司技术中台通用框架研发工作，支撑多款手游/端游项目的快速迭代；
2.帮助项目组优化游戏，解决项目开发中的各种问题。
任职要求：
1.统招本科及以上学历，计算机科学、软件工程等相关专业；
2.3年以上Unity引擎游戏开发经验；
3.熟悉C#或其他游戏开发相关编程语言，熟练掌握常用数据结构和算法；
4.富有团队意识，善于主动沟通、高效协作。
加分项：
1、具有帧同步游戏开发成功经验，掌握帧同步相关技术方案及经验；
（1）智能体系统全链路研发：负责微信生态下生活服务Agent系统全链路设计与研发，从Agent Harness、上下文治理、工具调用、长程规划到自我纠错，构建具备自主决策与动态规划能力的端到端智能系统。（2）Agent核心算法与后训练：主导SFT/DPO/GRPO等后训练方法在生活服务场景落地，持续提升Agent在工具调用、协作推理、多目标决策上的表现，覆盖数据、评测、架构、模型全流程。（3）业务场景规模化落地：深度融合微信Agent+美团多业务场景，与产品、工程、业务团队紧密协作，推动Agent技术在本地生活服务场景规模化应用。（4）评估体系与数据飞轮：构建多维度Agent评估体系，基于线上真实反馈打通评测—数据—训练闭环，持续拉高Agent在效果、规模、推理速度等关键指标上的天花板。（5）前沿方向探索：追踪Agentic RL、多智能体协作、Skill自进化、推理成本优化等前沿课题，拓展智能体系统能力边界。
负责自动驾驶车辆激光雷达子系统的系统集成、性能验证与持续优化工作。具体包括：参与激光雷达传感器的选型评估与技术对标，从光学性能、点云质量、环境适应性、可靠性等维度建立评价体系，输出选型建议与技术对比报告。主导激光雷达与车载计算平台的集成调试，包括通信链路打通（UDP点云数据、TCP控制协议）、PTP时间同步对齐、多雷达坐标系标定与外参管理等工作，确保数据链路端到端稳定可靠。设计并执行激光雷达性能测试方案，覆盖探测距离、角分辨率、测距精度、反射率响应、高反滤波效果等关键指标，建立量化的性能基线与回归验证机制。推动激光雷达在整车环境下的可靠性验证，包括振动、温湿度、电磁兼容等环境适应性测试，以及长时运行的功能稳定性监测。与激光雷达供应商保持紧密协作，跟踪固件版本迭代、SDK升级与问题修复，管理各开发阶段的供应商交付物清单，推动技术问题闭环。参与传感器数据质量自动化质检体系的建设，开发或优化数据解析、异常检测、质量报告生成等工具链，支撑批量车辆的传感器健康度监控。协同感知算法团队，从传感器端理解算法对点云数据的需求，推动传感器参数调优与性能迭代，支持算法性能提升。
1. 负责商家 B 端场景下 LLM 与 AI Agent 相关算法能力建设，包括意图理解、任务规划、工具选择、上下文管理、记忆机制、多轮对话和多 Agent 协作等。
2. 面向商家经营、商品管理、营销运营、订单履约、客服售后、经营分析等业务场景，设计并优化 RAG、Text-to-SQL、知识问答、智能决策、自动化任务执行等算法方案。
3. 负责大模型应用效果优化，包括 Prompt 策略、检索召回、重排、评测体系、数据构造、模型微调和推理优化，提升商家 AI 应用的准确性、可用性和稳定性。
4. 建设面向商家 Agent 的评测体系，覆盖任务成功率、幻觉率、工具调用准确率、业务流程完成率、回答质量、稳定性、成本和延迟等指标。
5. 与工程、产品、商家运营、客服、销售等团队协作，将算法能力产品化、平台化，支撑商家经营助手、客服助手、营销助手、商品助手、数据分析助手等应用持续迭代。
6. 跟踪 LLM、Agent、RAG、推理增强、模型微调、多模态等方向前沿进展，并结合商家 B 端实际场景推动可落地的技术转化。
1. 负责面向商家的 B 端 AI Agent 应用建设，围绕商家经营、商品管理、订单履约、客服售后、营销运营、数据分析等场景，提升商家工作效率和经营效果。
2. 参与 AI Agent 基础框架能力建设，包括 Agent 编排、工具调用、任务规划、上下文管理、记忆机制、权限控制、工作流、人机协同、异常兜底等核心模块。
3. 将商家高频业务流程抽象为可复用的 Agent 能力和业务组件，如经营助手、商品助手、客服助手、营销助手、数据分析助手等。
4. 负责 Agent 与内部业务系统、数据平台、知识库、运营工具、CRM / 工单 / 商家后台等系统的集成。
5. 建设 Agent 应用的工程化能力，包括 Prompt 管理、工具注册、链路追踪、效果评估、灰度发布、成本控制和稳定性治理。
6. 与产品、算法、业务运营、商家服务团队协作，完成从业务场景识别、方案设计、原型验证到上线迭代的闭环。
本岗位覆盖以下主要技术方向：
1.方向一：文本/多模态预训练• 设计和优化千亿级参数大模型的分布式训练系统，支持文本基座预训练和原生多模态训练的正确性、性能和稳定性• 负责训练框架核心模块（通信、调度、容错、Checkpoint、数据加载）的架构设计和性能优化，在同等硬件条件下持续提升训练吞吐• 协同算法迭代和硬件演进，针对新模型架构（MoE、超长序列、多模态融合）快速完成训练适配和性能验证• 作为工程Pipeline的上游起点，持续推进训练Infra的架构迭代方向2.方向二：强化学习框架• 构建并提升在线RL训练系统的性能和Scale能力，打通策略更新、环境交互、奖励建模的端到端训练流程• 支持Chat/Thinking/Agentic以及未来多种RL范式（PPO/GRPO/DPO等），和算法Codesign推进RL架构迭代• 设计高效的Actor-Critic架构、经验回放机制和分布式采样系统• 负责RL训练的性能瓶颈分析和优化，包括GPU利用率提升、通信开销降低、训练稳定性保障3.方向三：异构算力适配• 建设迭代多种异构算力（GPU/NPU等）的验证和适配方案，包括稳定性保障、精度验证和高性能runtime• 开发调优GPU和NPU架构的通信算子，推进超节点架构的最佳实践• 面向RL采样场景，深入优化NPU架构的推理性能• 跟踪硬件生态发展，评估新硬件的技术价值，输出选型建议和规模化落地方案4.方向四：高性能内核• 定制开发高性能计算内核，深入发掘GPU/NPU等不同硬件架构的优化空间• 推进算子开发范式的迭代，探索自动化算子生成（如LLM辅助生成高性能kernel）
电路系统设计：负责智能终端（穿戴/音频/AI硬件设备等）的硬件基带、充电管理、传感器、存储或平台小系统等电路的原理图与PCB设计开发。
技术攻关与创新：吸纳并应用前沿技术，解决硬件开发中的复杂问题，构建产品的持续核心竞争力。
测试与验证：负责硬件单板的调试、性能测试、可靠性验证及DFM（可制造性设计）评估，联合软件、结构、工程工艺系统化解决硬件问题，确保产品质量达标。
量产与维护：跟进硬件从研发阶段到大批量产的全过程，解决试产与量产中的硬件异常问题，综合进度、成本、性能以及质量等维度，给出最优化的解决方案。
1、端云协同AI系统设计与优化， 基于手机等终端设备，主导端云协同AI软件方案设计与实现，构建业界领先的系统级AI软件竞争力；
2、AI大模型端侧部署与极致优化， 负责AI算法在CPU/GPU/NPU上的高效端侧部署与深度性能优化，精通模型量化、剪枝、蒸馏等压缩技术及量化调优，在性能、功耗、内存等指标上取得最佳平衡；
3、持续跟踪并深入研究最新AI模型技术，以及AI工具链发展，将创新理念转化为实际工程应用。
1.负责语音合成的算法研发与落地，包括但不限于TTS前端、声学模型、声码器的算法实现和改进；
2.推动语音合成技术在产品中落地，针对业务场景做算法调优和效果提升；
3.追踪业界前沿的语音合成及相关技术，探索并储备新技术能力。
1.有复杂 Agent 框架或其他在线系统架构经验；
2.有机器学习 / 数据挖掘比赛经验；
3.日常熟练使用或者搭建 Agent，改造自己的工作和生活。
1.负责腾讯体育、腾讯视频海外版、腾讯视频AI影视表达工作室等业务的推荐算法、AI agent 等工作；
2.推荐场景算法持续优化，助力业务体验升级；
3.开发和优化业务场景内AI agent基础设施，提升用户交互体验；
4.前沿技术的研究和探索，包括但不限于 深度学习、强化学习、LLM、 RAG 等；
5.与产品和工程团队紧密合作，推进模型在相关业务中的部署和落地。