北京Linux应用开发工程师
Linux应用开发工程师是专门负责在Linux操作系统上开发和维护应用程序的专业人员。他们需要对Linux操作系统有深入的了解，能够编写高效的、可靠的应用程序，并且熟悉常用的编程语言如C/C++、Python等。Linux应用开发工程师通常需要与其他软件工程师、系统管理员和产品经理合作，共同开发满足用户需求的应用程序。他们负责编写代码、优化应用程序性能、解决bug、进行单元测试和集成测试等工作。此外，他们需要不断关注Linux操作系统的发展动态，熟悉新技术、新工具，并不断提升自己的技术水平，以应对不断变化的市场需求。因此，一位Linux应用开发工程师需要具备扎实的编程基础、丰富的Linux开发经验和较强的问题解决能力。
薪酬概览
平均月薪
¥19700
中位数 ¥0 ｜ 区间 ¥14800 - ¥24600
数据来源：谈职全网11份招聘数据；更新时间：2026年7月13日
月薪分布
72.7% 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
10月新增岗位
4
对比上月：岗位新增3
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 |
|---|---|---|
| 1-3年 | 4 | 100% |
热招职位
1、负责集团人工智能服务平台的推广与落地，推动平台在各业务场景中的应用，为各业务单元提供技术指导与支撑。
2、负责基于AI平台的智能体开发与建设，根据业务需求进行需求分析、方案设计与开发实施，实现智能体场景的快速交付。
3、负责AI大模型的部署与服务封装，基于平台完成模型推理服务的上线、算力调度、扩容与纳管，保障模型服务的高可用运行。
4、负责根据业务需求进行二次开发与深度集成，将AI能力嵌入业务系统，实现平台与业务系统的高效对接。
5、负责平台集群的部署与运维，掌握平台运维能力，独立完成平台部署、配置管理及故障排查处理，保障平台稳定运行。
6、与算法、研发、客户等多部门团队高效沟通协作，推动AI平台建设需求的落地与交付。
负责嵌入式软件开发、维护和项目实施等，参与如下细分方向之一：
1）应用软件算法方向：负责智能驾驶、智能座舱、智能底盘、智能车控、区域控制器等系统的软件开发；
2）基础平台和中间件方向：负责车载中间件软件平台的开发、维护和项目实施；
3）操作系统方向：负责车载操作系统的开发、移植、优化和维护，含底层驱动、复杂驱动等硬件驱动开发；
4）信息安全方向：负责车载系统的信息安全软件开发和方案实施落地。
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,
1. 深度对接汽车电子业务团队，明确需求定义、硬件设计、软件集成、测试验证等流程痛点，选择适配大模型方案，制定汽车电子场景Agent落地技术路线。
2. 负责汽车电子Agent的Prompt工程、RAG策略设计与框架开发，实现需求分析、设计评审、测试用例生成、问题定位等场景的对话交互、智能检索、流程推荐及自动化任务执行。
3. 用Python/Java/Go结合LangChain、AutoGPT、向量数据库、知识库等工具构建Agent核心模块，对接DOORS、MAT LAB/Simulink、CANoe等汽车电子工具链，实现业务联动。
4. 通过Docker容器化封装Agent服务；探索阿里云/AWS云原生部署方案，保障服务高可用与可扩展性。
游戏 AI 应用工程师（研发效能 / Agent 落地）-27届实习
岗位职责：
1、游戏场景AI应用落地：面向游戏客户端工具、研效流程、策划/QA 等场景，设计并开发可上线的 AI 工具，推动大模型进入真实生产流程，而不只是 Demo。
2、Agent 与智能工作流建设：设计并实现业务 Agent / 自动化工作流：模型接入、Prompt 与结构化输出、工具调用、能力编排、任务调度；保证可用、可观测、可扩展。
3、游戏客户端 / 工具链方向落地（本岗重点）：在 Unity 工程内完成与 AI 的闭环协作（如 UGUI 层级操作、资源/坐标落位、批处理工具、人审界面等），把「模型结论」变成「工程可执行动作」。
4、场景挖掘与闭环推进：与产品、策划、研发、QA等协作，识别提效机会，独立推进：需求澄清 → 方案设计 → 原型验证 → 效果评估 → 上线迭代。
任职要求：
1、有实际游戏项目开发经验，编码基础扎实，熟悉常用设计模式与数据结构，具备基本架构意识；不依赖 AI 编程工具也能写出结构清晰的代码。
2、熟练掌握 Python / C# / C++ 至少一种，具备把方案落到工程的能力。
3、有 AI Agent 或大模型应用的实际开发/落地经验，熟悉以下多项：Prompt 设计、结构化输出、工具调用、上下文管理、任务编排；了解 RAG / Embedding 者优先。
4、能使用 Cursor、Claude Code、Codex 等 AI 辅助编程工具提升效率，但知其边界。
5、具备业务理解、沟通协作与项目推动能力，能独立跑通从需求到上线的闭环；对 AI 新技术保持关注。
加分项：
1、人工智能、游戏开发、计算机、软件工程等相关专业背景。
2、有游戏客户端背景，长期关注并实践 AI 工具者优先。
3、熟练使用 Photoshop，有 PS 插件/脚本开发经验者优先。
4、具备计算机视觉或 NLP 基础，有多模态（图文）应用经验。
5、使用过 LangGraph、LangChain 等至少一种Agent/应用框架，并有真实项目经验。
6、有 Editor 扩展、CLI/MCP、批处理流水线、人机协同工作流开发经验。
岗位职责：
1、游戏场景AI应用落地：面向游戏客户端工具、研效流程、策划/QA 等场景，设计并开发可上线的 AI 工具，推动大模型进入真实生产流程，而不只是 Demo。
2、Agent 与智能工作流建设：设计并实现业务 Agent / 自动化工作流：模型接入、Prompt 与结构化输出、工具调用、能力编排、任务调度；保证可用、可观测、可扩展。
3、游戏客户端 / 工具链方向落地（本岗重点）：在 Unity 工程内完成与 AI 的闭环协作（如 UGUI 层级操作、资源/坐标落位、批处理工具、人审界面等），把「模型结论」变成「工程可执行动作」。
4、场景挖掘与闭环推进：与产品、策划、研发、QA等协作，识别提效机会，独立推进：需求澄清 → 方案设计 → 原型验证 → 效果评估 → 上线迭代。
任职要求：
1、有实际游戏项目开发经验，编码基础扎实，熟悉常用设计模式与数据结构，具备基本架构意识；不依赖 AI 编程工具也能写出结构清晰的代码。
2、熟练掌握 Python / C# / C++ 至少一种，具备把方案落到工程的能力。
3、有 AI Agent 或大模型应用的实际开发/落地经验，熟悉以下多项：Prompt 设计、结构化输出、工具调用、上下文管理、任务编排；了解 RAG / Embedding 者优先。
4、能使用 Cursor、Claude Code、Codex 等 AI 辅助编程工具提升效率，但知其边界。
5、具备业务理解、沟通协作与项目推动能力，能独立跑通从需求到上线的闭环；对 AI 新技术保持关注。
加分项：
1、人工智能、游戏开发、计算机、软件工程等相关专业背景。
2、有游戏客户端背景，长期关注并实践 AI 工具者优先。
3、熟练使用 Photoshop，有 PS 插件/脚本开发经验者优先。
4、具备计算机视觉或 NLP 基础，有多模态（图文）应用经验。
5、使用过 LangGraph、LangChain 等至少一种Agent/应用框架，并有真实项目经验。
6、有 Editor 扩展、CLI/MCP、批处理流水线、人机协同工作流开发经验。
1. 结合车身域控系统的应用场景与 AUTOSAR 架构体系，负责大模型智能体（Agent）的基础与应用性开发。根据车身控制、车门窗、灯光、空调、热管理等上层应用需求（SWC），以及通信、诊断、网络管理等基础软件（BSW）需求，进行大模型应用链路的设计开发。
2. 开发包括文档智能解析、RAG 向量检索（如 PostgreSQL + pgvector）、工具调用（Function Calling/Skills）、CLI/GUI 智能体等多Agent系统性应用。解决大模型在超长汽车工程文档处理、复杂表格提取、领域专有名词识别上的工程难题。
3. 适配并优化基座模型在车身电子专用领域的表现，构建并维护外置化知识资产库（Wiki），减少模型在架构分类、信号路由、软硬件接口映射等任务中的幻觉，确保生成高置信度与强可解释性的架构设计结果。
4. 跟进工业界/学术界最新动态，负责大模型自动化流水线的工程落地与性能调优。开发“AI 提取 - 人工 Review 纠错 - 规则自动沉淀”的人机协同闭环与数据飞轮，提升车身域控研发体系的智能化水平。
1. 负责车联网核心平台IoT平台的架构设计、开发及日常运维，建设高并发、高吞吐、可扩展的IoT平台；
2. 负责核心功能模块的设计和开发，撰写技术文档，包括设计文档、接口文档和操作手册等；
3. 深入理解业务需求，设计优化和调试方案，解决技术难题，保证系统性能和稳定性；
4. 关注车联网行业动态，跟踪技术发展趋势，不断提升自身技术水平。
● 负责芯片软件栈架构设计，包括但不限于调度系统设计、编译系统设计、计算系统设计、分布式系统设计。
● 负责大规模分布式训练和推理的软件系统性能优化方案的设计，针对芯片架构特点提出合理的解决方案。
● 负责各软件组件之间的协同设计，以及软件与硬件的协同设计，能够基于产品要求提出对硬件的明确需求。
● 追踪行业动态，基于公司的AI芯片架构特点提出前瞻性的建议以及技术储备。
1. 负责端到端自动驾驶大模型在不同硬件平台的推理部署与加速优化
2. 负责自动驾驶软件相关软件的设计、开发及落地推进
3. 参与软硬件协同优化，与硬件工程师深度协作，基于算子特征、访存模式、硬件指令等信息进行算子调优、Kernel 优化和 pipeline 优化
4. 构建模型推理 profiling 和监控体系，包括 kernel-level profiling、算子耗时分析、带宽瓶颈分析，为端到端推理提供性能优化建议
【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. 负责美团无人机硬件嵌入式系统的全生命周期管理，包括设计、开发、交付与维护，确保系统安全可靠、高性能、易维护以及可观测；
2. 热爱嵌入式领域，紧跟全球嵌入式领域前沿技术与工程实践，注重架构设计。凭借优秀架构能力和品味赋能极度高效的工程开发以及高质量的交付。关注新型MCU/SoC、嵌入式CI/CD、仿真测试框架，安全加固等技术，推动应用落地；
3. 从架构上实现可规模化的数据驱动的工程方法，对于产品监测以及工程迭代提供客观科学的指引，并将数据驱动的意识落实到工程的细节实践中；
4. 制定嵌入式系统技术方向，负责芯片选型与架构设计，推动实践落地，通过代码审查（C/C++、Rust）、文档规范和试设计提升工程质量；
5. 制定MTUAV操作系统/平台技术路线图，统筹工程优先级规划、scoping、planning及交付成果管理；
6. 对于嵌入式工作端到端负责，并主动高效的进行跨团队的沟通协同，将模糊的产品问题收敛为明确的需求，并转化为可执行的工程语言和计划，统筹项目优先级与交付成果管理；
7. 发挥嵌入式领域技术影响力，与硬件、Linux平台及云端团队紧密协作，确保软硬件集成与产品功能一致性；
8. 熟练使用AI工具，融入开发设计流程，探索提升团队效率的方法，输出可复用的实践案例；
9. 指导培养初级工程师，在设计实现、代码审查、测试验证、部署维护全流程中展现优秀的工程能力与技术领导力。