北京售前方案工程师
售前方案工程师是一种专门从事销售前技术支持工作的职业。他们负责理解客户的需求，与销售团队合作，为客户设计合适的技术方案，帮助客户理解产品的技术特点和应用价值。他们需要通过深入的技术了解和沟通能力，结合客户的需求和实际情况，设计出最优化的解决方案，完成技术文档的编制，以及客户演示和培训等工作。售前方案工程师需要具备较强的技术背景和逻辑思维能力，能够跨部门合作，并具备良好的沟通能力和客户服务意识，为企业的销售工作提供重要的技术支持。总之，售前方案工程师在销售过程中扮演着技术、沟通和支持的重要角色。
薪酬概览
平均月薪
¥14300
中位数 ¥13500 ｜ 区间 ¥11700 - ¥16900
数据来源：样本数量过少，仅供参考；更新时间：2026年7月13日
月薪分布
71.4% 人群薪酬落在 8-15k
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
5
对比上月：岗位减少0
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 | 2 | 50% |
| 不限经验 | 2 | 50% |
热招职位
1. 为客户导入和开发玄铁RISC-V IP和技术设计赢取胜利机会；
2. 负责RISC-V CPU IP产品的技术宣讲，对玄铁产品、服务和友商保持高标准的技术知识；
3. 积极拓展客户，保持对领域的动向和客情变化的敏感度；
4. 与Sales团队合作，提供技术知识和支撑，与潜在客户建立和维护良好的客户关系，介绍和推动玄铁RISC-V IP的design in；
5. 与技术工程团队合作，确保客户需求和产品的匹配度，确保客户项目的顺利落地。
（1）水处理、环境工程、应用化学、给排水等相关专业本科以上学历；
（2）能完成环保或循环水项目的需求调查及方案编写，对项目进行现场技术指导；
（3）能协助商务人员进行环保或循环水项目的技术交流与谈判；
（4）熟悉循环水处理流程、污水处理工艺、给水处理工艺等环保工程相关工艺；
（5）可独立完成循环水处理、污水处理、给水处理工艺等环保工程相关工艺并编制技术文件及工程投标文件等。
1、负责远程及现场技术支持，涵盖售前与售后全流程；
2、执行混合储能逆变器及电池储能系统(BESS)的调试、故障排查、固件/硬件升级；
3、向总部提交产品故障报告并持续跟进，需包含清晰的问题描述；
4、定期分析混合储能系统运行数据，评估设备性能；
5、主动对接安装商与经销商，提供良好的客户服务体验；
6、建立技术问题长效跟踪机制，维护与合作伙伴的良好关系。
1、迅速响应客户需求，为海外客户提供技术支持服务，维护客户满意度；
2、通过现场、邮件，电话等方式协助销售同事和客户处理售后相关问题；
3、管理处理常规客户工单以及质量问题，主导处理重大质量问题和客诉，管理客户对服务的满意度；
4、监督并反馈当地一级团队和服务商的服务表现；
5、负责开发关键市场的当地服务网络，即服务商的引入、包括评估、谈判、合同评审等；
6、主导组织内部经验积累，定期组织内部赋能培训，提升团队整理能力。
1、客户需求对接与方案制定：精准把握海外客户对于户用储能系统的需求，提供定制化的产品解决方案，涵盖系统配置、容量规划等，助力客户实现能源管理目标。
2、技术沟通与答疑：与海外客户开展技术交流，及时且准确地解答客户在产品技术层面的疑问，包括系统原理、性能参数、兼容性等问题，增强客户对产品的信任。
3、市场调研与情报收集：密切关注海外户储市场动态，收集政策法规、竞争对手产品信息等，为公司产品优化与市场策略制定提供依据。
4、项目支持与跟进：协同销售团队，参与海外项目前期技术评估，跟进项目进展，保障从方案设计到交付环节的技术可行性与连贯性。
1.运用Spark、Flink等数据开发工具进行流量、用户行为数据的开发，并不断提升全链路时效；
2.结合分析使用场景，调研存储介质和数据组织形式，优化数据生产策略，研发分析引擎，提升分析性能；
3.保障系统迭代质量，推动技术能力的沉淀。
【北斗实习】大模型应用算法研究员-多模态技术/空间智能Agent
【课题说明】致力于探索多模态大模型与强化学习的前沿技术。研究方向包括多模态表征与理解、强化学习增强的生成与对齐、智能体（Agent）决策与规划等，业务影响覆盖美团外卖每天数千万的订单，核心工作是为用户及商家实现地理空间的智能规划，包括商家配送范围（决策用户是否能在该商家下单）、Area of Interest边框挖掘（AOI，即用户所处地理社区边界，保证用户下单体验的一致性）、用户拼单范围、骑手取件区域的建模与优化。目标是构建能够理解复杂业务需求、驱动范围智能调整的Agent系统，实现“技术驱动业务范式”的升级转变，最终促进平台供给繁荣与用户的供需匹配优化。【建议研究方向】1.多模态感知与表征建模：集成地理信息（GIS）、用户热力、图像、自然语言等多模态数据，进行联合表征学习与建模，攻克跨模态语义对齐难题，为空间智能理解与决策提供统一的感知基础。
2.强化学习增强的多模态生成与优化：探索强化学习在多模态大模型中的应用，研究基于RL的多模态内容（如图像、GIS、文本描述）生成、跨模态偏好对齐及模型自适应优化，以持续提升系统对复杂业务场景的理解与推理能力。
3.基于后训练的多模态内容理解与审核：探索多模态大模型后训练技术，实现图像质量审核、OCR识别、图文一致性校验、图像合成等能力，提升一线运营采集数据等场景的自动化水平与准确性。
4.面向履约空间规划的智能体（Agent）构建：设计并开发能意图识别、归因分析、并自主决策执行商家范围/AOI边界调整的智能体。重点研究Agent的任务规划、工具调用与动态策略优化能力。
5.业务仿真与决策推演：基于空间智能Agent，对不同的策略进行模拟推演，评估其对供给、平台规模、履约体验的影响，为科学决策提供支持。我们将提供海量的真实业务场景与数据、充足的GPU计算资源以及极高的技术探索自由度，目标是产出兼具技术前沿性与业务影响力的成果，共同定义下一代智能履约空间位置规划的技术范式，同时能在顶级学术会议（如ICML, NeurIPS, KDD）发表paper。
1.负责新零售业务门店/仓库网络的日常运维、故障处理、应急响应，保障网络及相关业务的稳定运行，有能力处理突发事件、对疑难问题进行跟踪并最终解决。
2.负责新零售业务门店/仓库网络的开仓建设，对涉及到系统架构中存在的网络设计提出解决方案，与其他协同团队一起完成重点项目的实施、配置等服务交付。
3.负责新零售业务门店/仓库网络的质量监控及用户体验收集，监控告警、运维自动化平台的持续性建设及功能优化，不断提高网络质量。
4.参与自动化工具开发，对网络基础信息、资产、故障率、可用性、容量性能、成本等数据的运营和分析，提升网络稳定性和运维效率。
5.参与对新零售网络相关技术、产品与工具、行业最佳实践进行研究、测试及运用，有探索和实践精神，满足业务发展需求。
6.在日常运维过程中为一线服务团队提供标准、流程规范和指导文档。
具体职责包括但不限于：
1、负责自然语言处理，尤其是大模型领域的前沿技术创新研发；推动语言模型、知识表示、机器翻译、对话系统、文本生成等关键技术和核心问题的解决，形成高引用论文和高价值专利，积极探索相关技术落地应用；
2、负责追踪最新技术和热点，优化、改进现有技术和系统，提升系统的性能和效率，在内外部业务场景验证，形成业内领先的技术服务能力和体系；
3、负责业务技术需求的支持，针对业务场景的真实需求，设计合理的技术方案和路线，通过技术创新和业务验证，实现业务价值和效率的提升。
1.AI搜索核心技术研发与落地；
2.研发基于大模型 Agent 的搜索问答技术，包括复杂搜索任务规划、多轮探索策略、工具调用及多 Agent 协作、答案生成等；
3.解决大模型可信评估、幻觉控制、整合推理、多模态、多轮交互的挑战；
4.大模型后训练与对齐算法；
5.结合AI搜索场景需求，深入探索高效的大模型后训练算法（ Mid-Training、SFT、RM/RL等）；
6.用户信号驱动的系统闭环优化。
1.参与自动驾驶和智慧交通场景中单模态和多模态、视觉和点云感知算法研发，涵盖物体检测、跟踪、分割、分类等算法模型开发、训练与迭代，包括但不限于车道线/路面箭头车辆/行人/交通标志/交通灯/路沿/可行使区域检测等任务；
2.参与模型训练算法优化、模型精简、模型量化等工作；
3.参与传统算法和深度学习算法预处理、后处理算法的开发；
4.参与内部算法研发工具的优化和迭代 。
5.参与感知算法的落地与应用、运营问题排查和算法迭代。