薪酬概览
平均月薪
¥14400
中位数 ¥16500 ｜ 区间 ¥11200 - ¥17600
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
60% 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
11月新增岗位
6
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 | 10 | 100% |
热招职位
1. 负责车载 CAN 总线报文解析与控制指令编码的软件开发，实现底盘信号接收与控制指令下发的核心逻辑；
2. 负责多 OEM 车型的 CAN 通信适配开发，基于公共框架完成新车型平台的快速接入；
3. 负责 DBC 文件到 C++ 代码的自动生成工具链维护与优化，提升多车型适配效率；
4. 负责 CAN 报文解析与指令编码的安全性保障，包括 CRC 校验、Rolling Counter 监控、控制指令值域边界检查等，确保驾驶安全；
5. 负责与规划控制模块的 ROS2 通信对接开发，完成 CAN 层与智驾算法层之间的消息桥接。。
【课题说明】本课题以美团酒旅业务为研究场景——该场景具有供给侧 SKU 品类异构、C/B 双端研发并行、节假日促销驱动的高频需求迭代等特征，是验证 AI-Augmented SDLC 有效性的高复杂度典型场景。课题旨在构建 AI-Augmented SDLC 的理论框架，研究 LLM 深度介入需求→设计→开发→验收全链路后的最优人机协作形态，形成可量化的效率度量体系与可复制的工程实践方法论。【建议研究方向】1.AI 友好型需求（AI-Ready PRD/Spec）构建方法：研究如何将自然语言需求转化为结构化、机器可读的规格表示（如 Spec、DSL、AI-Ready PRD 等），探索作为需求表达与机器理解交接的规格语言设计原则与 LLM 解析效果之间的关系。
2.跨职能协作流程重构与 Agent 化（PM-RD-QA 分工边界重构）：参照 Human-AI Collaboration 及 Multi-Agent Systems 理论框架，研究在产品→研发→测试协作链路中引入 Agentic Workflow 的可行路径与边界条件，探索 AI 在不同角色中的自主程度与人工干预策略。
3.产研范式相关指标体系与度量方法（交付效率、交付质量等）：借鉴 DORA Metrics、DevEx 等业界度量框架，结合 AI 介入后的新型产研链路，构建涵盖交付周期压缩率、AI 代码采纳率、规格对齐准确率、需求返工率等维度的量化指标体系。
4.棕地 vs 绿地项目的分场景落地策略：研究 SDD 范式在存量代码重构（Brownfield）与全新需求开发（Greenfield）两类场景下的适配性差异，识别影响落地效果的关键情境因素（Contextual Factors）。
5.范式转型的组织配套与推广机制：参照 Technology Adoption Model（TAM）及 Organizational Learning 理论，研究产研范式转型过程中的阻力来源、推广路径与组织能力建设模式，沉淀可复用的转型 Playbook。
1、主导实施智能座舱应用软件交付，包括但不限于软件设计、编码、调试、集成、联调、发布,
2、主导开发智能座舱POC预研项目,
3、参与编写各业务模块软件设计，达成设计目标与验收标准,
4、主导实施VCU软件模型开发，并编写开发过程中规范文档,
我们正在寻找兼具架构深度与业务洞察的技术专家，加入美团餐饮SaaS业务平台技术团队。你将在千万级日订单、高复杂度的餐饮数字化场景中，主导核心系统的设计与演进——同时站在 AI 原生 SaaS 的前沿，将大模型与智能体技术真正落地为产品竞争力。这里不是"AI 试验田"，而是 AI 重塑餐饮行业的主战场。
1. AI 能力建设与智能化落地主导或参与"AI × SaaS"融合架构设计，将大模型（LLM）、智能体（Agent）、RAG 等技术系统化嵌入 SaaS 产品链路和系统架构中推动"AI × 标准化"方向：用 AI 重建新的业务资产，替代传统业务孵化引擎，助力业务高速发展。
2. 领域架构与核心系统建设负责餐饮SaaS平台核心领域的系统建模、设计与演进，构建高扩展、高可用的领域模型与业务中台以全局视角抽象共性能力，支撑多业务场景的灵活编排3. 高性能高可用系统研发主导日均千万级订单交易平台全链路研发，保障稳定性与弹性伸缩负责高并发活动引擎与营销平台架构设计，确保海量流量下的精准执行构建统一可靠的线下支付平台，支持公司多业务线复杂支付场景设计面向餐饮商家的业财一体化方案及多租户账号权限体系4. 架构演进与系统治理持续推进平台架构迭代与稳定性建设，主动识别并化解技术风险通过性能优化、容量规划与高可用设计，保障核心系统长期可靠运行
1. 推进供应链 AI 应用方案落地实施
依据供应链数字化开发团队和 AI 开发部门输出的 AI 应用设计方案，完成需求细化、系统集成、环境配置、联调测试及上线交付，保障 AI 能力按既定计划投入业务使用。
2. 负责供应链 AI 工具日常运维与持续优化
承担 Skill Agent 的运行监控、日志分析、性能监控与告警配置、提示词（Prompt）调优、知识库维护、权限管理及故障处置；基于使用数据与用户反馈，开展轻量级功能优化与规则迭代。
3. 开展轻量级开发与一线技术支持
运用 Python、SQL 等工具完成数据预处理、API 对接、自动化报表生成等开发任务；为供应链相关岗位用户提供操作培训、使用指导及问题响应，提升工具应用效能。
4. 协同跨部门完成技术对接与集成
理解供应链业务逻辑与核心系统数据结构及接口规范，准确传递业务约束与集成需求；与 AI 开发工程师、业务系统开发工程师协作，明确接口定义、数据映射关系、测试验证标准及上线协同机制。
5. 组织 AI 工具推广与应用能力建设
制定分角色、分场景的推广计划与标准化培训材料，组织开展实操培训与应用辅导；建立用户反馈收集与分析机制，支撑 AI 应用持续改进。
6. 负责 AI 应用数据安全与合规管理
确保 AI 工具数据处理符合公司信息安全规范，敏感数据脱敏处理，API 凭证安全管理，操作日志审计追踪；配合 IT 安全部门完成安全评估与合规检查。
1.负责产品研发过程中AI算法开发及AI提效的开发工作，包括：AI算法开发、工具自动化、知识库提取、大模型部署等；
2.负责数据预处理、模型推理、模型输出后处理整个流水线pipeline的开发和调试；
3.负责AI工具与现有工具的结合开发和调试，提高开发效率；
4.关注并研究AI测试相关前沿技术，撰写技术文档与应用报告，推动AI提效的创新升级。
1、负责车载高压电源产品（如 OBC车载充电机、 DC/DC变换器、车载充电桩模块等）嵌入式软件的架构设计、模块划分和接口定义。
2、根据系统需求文档和功能规范，进行详细的软件需求分析和功能设计。
3、使用 C/C++ 等语言进行嵌入式软件开发，实现电源控制算法（如 AC/DC, DC/DC 转换控制，PFC功率因数校正，LLC谐振控制等）、通信协议（CAN, CAN FD, LIN, Ethernet等）、诊断功能（UDS, DTC处理）、保护逻辑（过压、过流、过温等）及状态管理。
4、配合测试工程师进行HIL台架测试、系统集成测试和整车测试，定位并解决软件相关问题。
5、分析测试数据，验证软件功能与性能指标是否符合设计要求。
6、支持 DV试验、EMC测试中出现的软件问题解决。
7、进行电源算法的建模、仿真（如）与性能优化，确保算法满足动态响应、效率等要求。负责控制算法从模型到嵌入式代码的转化、集成、调试与优化。
8、与硬件工程师紧密合作，参与硬件电路评审，协同解决软硬件接口问题。
1、负责有色行业（如冶金、铜铝加工等）或新能源行业（如锂电、垃圾电厂等）智能工厂的AI算法开发与优化，包括工艺优化、缺陷检测、设备预测性维护、能效管理等场景。
2、结合工业大数据（传感器数据、生产日志、视觉数据等），使用Dify、Coze Studio等低代码AI开发平台构建智能工作流，实现AI模型的快速部署与业务集成。
3、利用RAG（检索增强生成）技术优化企业知识库检索，结合大语言模型（LLM）提升智能问答、故障诊断等应用的准确性。
4、负责大语言模型（LLM）的数据标注、模型训练及微调，优化模型在工业场景下的表现。
5、与自动化、MES/SCADA系统团队协作，确保AI解决方案的稳定运行与持续优化。
职位要求：
计算机、软件工程、自动化、电子工程等相关专业，本科及以上学历，硕士优先；熟悉 Linux 系统，具备扎实的 C++ 面向对象编程基础，理解常见工程设计模式和性能优化方法；熟悉 Python 开发，能够使用 Python 完成工具链开发、数据处理、自动化脚本、服务接口开发或算法工程辅助开发；具备一定的软件工程能力，熟悉调试、性能分析、问题定位、代码优化和工程化交付流程；了解模型推理部署与优化相关技术者优先，包括 ONNX、TensorRT、PyTorch、CUDA、GPU 推理性能优化、批处理、并发调度等；了解 Agent、LLM 应用开发、RAG、工具调用、自动化工作流等相关技术，并有实际落地经验者优先；具有自动驾驶、仿真平台、机器人、控制、规划、感知、电子工程相关背景者优先；具备较强的问题分析能力、工程落地能力和跨团队沟通协作能力。
推动研发团队全面向 AI 驱动的工作模式转型，深度探索 AI-native 技术在新业务场景中的创新应用。
1.驱动团队 AI 转型：负责制定并推动研发团队的 AI 能力提升计划，通过引入先进 AI 工具、落地最佳实践，覆盖需求、设计、开发、测试全流程，显著提升团队研发效率与交付质量2.探索 AI-native 应用：主导在新业务场景中探索和落地 AI-native 解决方案，重点聚焦于智能体（Agent）在复杂任务调度、动态环境交互、多模态信息处理等方面的创新实践。
3.构建 AI 工程体系：设计并搭建团队内部的 AI 辅助开发平台与工具链，将提示词工程、RAG、智能体工作流等能力产品化、流程化，降低 AI 技术应用门槛。
4.技术架构与交付：参与或主导核心业务系统的技术方案设计与研发落地，确保 AI 能力集成符合高可用、可扩展的架构标准，保障高质量的工程交付。
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。
1. AI Agent落地① 深度参与AI Agent融合出海交付流程，利用大模型能力，通过构建业务特异化Agent，探索出海系统交付新范式；② 持续优化agent能力，通过上下文压缩、工具链编排、记忆系统优化，提升agent输出稳定性，并构建Agent审核机制，保证agent输出的正确性；③ 跟踪 LLM、多模态前沿技术，结合 C 端出海业务开展 POC 验证，推动有价值方向进入落地路径。
2. 出海核心业务系统建设① 负责出海C端及相关系统的开发、迭代与优化工作，支持多国多地区业务快速扩张；② 主导海外多 Region 部署架构设计，解决跨地域数据一致性、网络延迟、合规存储等全球化系统挑战；③ 主导交易链路稳定性建设，推进全链路监控、告警、容量规划及故障预案体系落地，建立完善的 SLO / SLA 保障机制；④ 深度参与资金安全相关建设，保证出海业务资金安全、用户资金安全，为用户提供体验流畅、资金安全的产品体验；
职位描述
1.负责设计、实现与优化自动驾驶系统中各类动态障碍物（车辆、行人、两轮车等）的未来轨迹预测算法，支持城市道路、高速道路及复杂路口等场景下的安全决策。
2.研究并落地基于深度学习的多模态轨迹预测模型（如Transformer、GNN、VAE、扩散模型等），处理意图不确定性与多可能轨迹分布。
3.构建车‑车、车‑路、车‑行人之间的交互推理模块，利用图神经网络、注意力机制或逆强化学习等方法提升预测在拥挤场景下的准确性。
4.参与大规模真实路采数据的处理、标注策略设计、评价指标定义及模型迭代。
5.与感知、定位、决策规划团队协作，将预测模块高效集成至自动驾驶软件栈，满足实车部署的低延迟与高可靠性要求。
6.针对嵌入式或车载计算平台进行模型压缩、算子加速与工程落地，确保预测模块在有限计算资源下的实时性。
7.跟踪机器人学、计算机视觉及自动驾驶领域最新进展（如CoRL、ICRA、CVPR等顶会论文），推动可解释预测、不确定性估计及闭环评估技术的落地。
任职要求
1.硕士及以上学历，计算机科学、自动化、机器人、人工智能、应用数学或相关专业，博士优先。
2.扎实的编程能力，熟练掌握Python/C++，熟悉Linux环境下的开发与调试。
3.精通至少一种深度学习框架（PyTorch/TensorFlow），能独立完成模型搭建、训练、评测与部署。
4.深入理解至少几类主流轨迹预测方法：如LSTM Ego-centric、MultiPath、TNT、Scene Transformer、HiVT，等等。
5.具备良好的数学基础（概率论、线性代数、最优化）。
加分项
1.有自动驾驶实车落地经验，熟悉预测模块在量产方案中的挑战（如长尾场景、遮挡恢复、计算资源限制）。
2.有自动驾驶轨迹预测、行为预测或相关领域算法研发经验（优秀应届生可基于论文/竞赛/实习经历破格考虑）。
3.熟悉预测领域的评价指标（如minADE、minFDE、MR、EPA等）及其适用场景。
4.发表过轨迹预测、行为决策、多智能体交互相关的高水平论文（CVPR, ICCV, ECCV, ICRA, IROS, NeurIPS, CoRL等）。
5.熟悉自动驾驶开源仿真器（如CARLA、SUMO、Metadrive）或预测评估框架。
6.掌握概率图模型、高斯过程、贝叶斯推断等不确定性建模方法。
7.具备CUDA或TensorRT优化经验，有模型ONNX导出、量化、剪枝等实际工程经历。