薪酬概览
平均月薪
¥15000
中位数 ¥11500 ｜ 区间 ¥11400 - ¥18500
数据来源：谈职全网147份招聘数据；更新时间：2026年7月13日
月薪分布
55.8% 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
121
对比上月：岗位减少62
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 | 20 | 17.9% |
| 1-3年 | 35 | 31.3% |
| 3-5年 | 20 | 17.9% |
| 5-10年 | 2 | 1.8% |
| 不限经验 | 35 | 31.3% |
热招职位
【愿景】负责面向算法研发、业务建模与系统构建场景的 AutoResearch Harness、Agent Swarm 与 AI Builder 能力建设，探索大模型驱动复杂问题分析、方案生成、实验验证和系统搭建的新范式。【你将参与】1.设计 AutoResearch Harness：建设任务分解、实验编排、工具调用、结果评 估、失败恢复、知识沉淀等核心模块，让 Agent 能稳定完成长程、开放式研发任务；
2.构建 Agent Swarm 协作体系：研究多 Agent 之间的角色分工、上下文共享、协同决策、互评纠错和成本控制机制，提升复杂任务中的可靠性与可扩展性；
3.建设上下文与记忆系 统：围绕 context compression、memory selection、状态追踪、项目知识库和跨轮学习，提升 Agent 在长链路任务中的连续性和可控性；
4.打造 AI Builder 原型系统：面向真实业务快速交付可用工具，将自然语言需求转化为可执行流程、实验方案、分析报告或业 务系统原型，并沉淀评测闭环与工程最佳实践。
岗位职责：
自动驾驶高精地图系统研发，实现大规模分布式建图和快速更新。
工作内容包括但不限于：
分布式数据处理系统的构建、性能优化与维护云端建图微服务的构建、部署与维护车载地图相关系统的构建，性能及可靠性优化地图质量评测系统搭建与维护
岗位要求：
熟练使用C++（C++11及以上版本）和 Python，精通常用的数据结构和算法熟悉全栈开发熟悉Linux 开发环境熟悉面向对象编程有较强的工程能力及大型系统开发经验热爱技术、积极主动、思维活跃、学习能力强加分项：分布式或大型数据处理系统架构经验熟悉React；熟悉ThreeJS、webGL等前端三维渲染技术熟悉大数据主流技术栈和开源框架数据处理的相关经验，ML/DL、推荐、广告、数据挖掘相关知识和经验深度学习系统的搭建与使用经验
Cloud LLM Agent 系统研发工程师【2027届校招】
关于我们
我们致力于构建新一代大模型系统基础设施，让大模型不仅能“对话”，而是能够在真实业务和自动驾驶研发场景中稳定运行、可控执行并持续进化。
本方向聚焦云端 LLM Agent 系统、工具调用、工作流编排、多 Agent 协同和生产级 Agent Infra，强调工程能力、系统设计能力和面向真实业务场景的稳定落地能力。
岗位职责
作为 Cloud LLM Agent 系统研发工程师，你将参与构建面向真实业务场景的云端 Agent 基础设施，主要工作包括：
参与构建云端 LLM Agent 系统，包括工具调用、任务执行、工作流编排和多 Agent 协同能力。
设计和实现 Agent 执行框架，包括状态管理、任务调度、上下文管理、记忆机制和执行恢复。
对接内部系统、研发工具链和数据平台，建设自动化任务执行能力。
优化 Agent 系统的稳定性、延迟、成本和可观测性，支持生产环境持续运行。
建设 Agent 评测、回归测试、badcase 分析和效果迭代体系。
与模型训练和端侧部署团队协作，推动 Agent 场景下的模型能力优化和工程闭环。
任职要求
计算机相关专业本科及以上学历
扎实的计算机基础，包括数据结构、操作系统、网络、分布式系统等。
熟悉至少一种编程语言（Python / Go / Java / C++）。
对大模型、Agent 系统或 AI 应用工程有基本了解或强兴趣。
具备良好的工程动手能力、问题定位能力和系统设计意识。
能阅读英文技术文档。
加分项（非必须）
有 LLM Agent、RAG、工具调用、工作流引擎或自动化系统项目经验。
熟悉 LangChain、LlamaIndex、AutoGen、OpenAI / Anthropic / LiteLLM 等相关框架或 API。
熟悉 Kubernetes / Docker / Linux 环境，有服务端系统开发经验。
有异步任务调度、状态机、消息队列、事件系统或分布式系统经验。
有模型评测、prompt engineering、上下文压缩、记忆系统或 Agent 安全控制经验。
有开源项目或工程实践经验。
我们提供的成长机会：
深度参与生产级 Cloud LLM Agent 系统从框架设计、工具接入到线上运行的完整工程链路。接触真实业务和自动驾驶研发场景中的 Agent 落地问题。建立大模型应用系统在稳定性、可观测性、成本和效果迭代上的系统化经验。与训练、部署和业务团队协作，理解 AI Agent 从 demo 到 production 的关键工程挑战。
1、人形/四足狗/灵巧手等形态整机结构设计及开发：
（1）负责机器人本体结构设计和开发工作，负责整机堆叠设计、结构件设计、可靠性设计、轻量化设计、组装工艺设计、可维修性设计；
（2）负责机器人运动机构设计，结合生物力学原理优化机构设计方案，进行动力学建模与性能验证，解决运动控制中的耦合问题；
（3）负责结构件的交付工作；
2、关节模组设计及开发：
（1）减速器（行星、谐波、摆线等形式）设计开发；
（2）无框力矩电机、空心杯电机等设计和开发。
1. 承担系统/子系统/复杂模块的验证交付工作，搭建CT/BT环境。对现有系统验证方案进行综合评估，提出改进和优化；
2. 针对模块各种复杂应用场景，开发和实现不同验证组件，帮助设计人员高效定位和解决问题；
3. 根据编译器内核指令开发随机约束验证环境，撰写功能覆盖率文件，测试各种极端指令场景；
4. 与架构工程师紧密配合，运用各种技术全面分析芯片功耗/性能数据，优化芯片PPA技术指标；
5. 开发针对车规芯片FuSa (Functional Safety)功能的验证环境，并使用Z01X工具进行功能验证；
6. 引入和使用系统建模/ 静态仿真/ 原型验证等多种手段，延长验证生命周期，提高验证可信度；
7. 进一步规范系统验证流程，明确验证交付标准，全面提升验证与前后端技术人员的交互效率；
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。
人寿-总公司-高端医疗网络管理岗（2026校招）(J78668)
1、整合高端网络医院资源，支持营销活动，赋能销售；健康有约高端网络医院资源的其他深度开发和落地应用；
2、督导分公司进行高端网络开拓和服务流程等宣导、推动和培训支持，提升分公司高端医疗网络扩展与维护等专业技能；
3、负责高端医疗网络服务体系建设及管理，包括直付卡、预约、陪诊、直付、满意度等服务及系统相关建设及管理。
1.负责公司CI/CD系统维护工作并持续改进；
2.负责CI/CD开源工具的研究和应用；
3.通过开源工具整合CI/CD产品线，提升研发效率。
1. 项目售前支持，包括技术方案展示需求沟通、定义及管理；
2. 项目整体方案设计 ，对外技术沟通 ；
3. 负责对子系统的工作产品进行审核；
4. 组织及主持项目内部 /外部 技术例会；
5. 负责台架测试、整车调试；
6. 处理产品试验、售后相关问题 以及工程经验积累；
7. 主要方向包括：
✓ 电机驱动方向
✓ 开关电源方向
1.负责智驾平台计算服务日常运维工作，包括健康巡检、发布变更、监控完善、SOP、OnCall响应、故障处理等
2.负责智驾平台计算服务生产保障工作，包括需求处理、集群建设、资源交付、资源管理、测试验证等
3.参与智驾平台计算服务整体建设工作，包括K8S混合云服务、计算应用、多种类GPU/CPU等资源服务的自动化能力建设、成本管控和稳定性保障等
任职要求
岗位核心价值
负责公司大算力 AI 集群（含 B/H 系列高端卡、国产算力卡）的架构设计、搭建部署、运维优化与国产化适配，支撑大模型训练、自动驾驶等核心业务的高效稳定运行，打造高可用、高性价比的算力基础设施。
核心工作职责
1. 大算力集群自建与架构设计：主导超大规模 AI 算力集群（数千 P 级）的自建规划，包括硬件选型（GPU/B/H 系列卡、国产卡等）、网络拓扑设计（InfiniBand/ROCE）、存储架构（分布式存储）、集群调度系统搭建，确保集群性能达标、扩展性强。
2. 高端 GPU 加速与优化：具备 NVIDIA B 系列、H 系列高端算力卡的实战经验，负责卡级性能调优、并行计算加速（TensorRT/MPI/NCCL）、显存优化，解决大模型训练 / 推理中的算力瓶颈问题。
3. 国产算力卡适配落地：主导国产算力卡（阿里PPU、华为昇腾等）的适配工作，包括驱动安装、框架适配（TensorFlow/PyTorch/MindSpore）、模型迁移与性能调优，实现国产算力与业务场景的深度融合。
4. 集群运维与稳定性保障：负责算力集群的日常运维，包括硬件故障排查、集群监控告警（GPU / 网络 / 存储状态）、资源调度优化、灾备方案设计，保障集群全年高可用性（99.9% 以上）。
5. 技术沉淀与迭代：跟进业界大算力集群技术趋势（如新型 GPU、网络协议、调度系统），输出技术方案与最佳实践；搭建集群运维自动化工具，提升运维效率。