北京售后安装
售后安装是指在产品销售后为客户提供安装和调试服务的工作岗位。售后安装人员需要具备良好的产品知识和安装技能，能够熟练使用相关工具和设备进行安装工作。他们需要与客户进行沟通，了解客户的需求，确保产品能够正确安装并正常使用。同时，售后安装人员需要对安全和质量负责，保证安装过程中的安全和质量标准。在安装完成后，他们还会进行调试和演示，确保客户能够熟练运用和理解产品功能。此外，售后安装人员还需协助客户解决安装过程中的问题，并提供相关产品的使用建议和维护指导。总之，售后安装人员在产品销售后为客户提供全方面的安装、调试和服务支持。
薪酬概览
平均月薪
¥10300
中位数 ¥9500 ｜ 区间 ¥8000 - ¥12600
数据来源：谈职全网153份招聘数据；更新时间：2026年7月13日
月薪分布
57.5% 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
106
对比上月：岗位减少93
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 | 19.4% |
| 1-3年 | 29 | 28.2% |
| 3-5年 | 29 | 28.2% |
| 5-10年 | 5 | 4.9% |
| 不限经验 | 20 | 19.4% |
热招职位
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. 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、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、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。
专业要求医学、药学等相关专业工作职责1.协助项目负责人制定项目计划，监督项目计划执行，识别偏差并推动纠偏；
组织开展项目讨论会，发现并协助解决各项问题，推动项目进展；
3.协调内部团队及外部合作方，定期组织沟通会议，确保项目信息畅通；
4.收集并管理项目研发过程中的各项文件，建立项目过程资产库；
5.完成项目管理过程中的计划追踪、节点提醒、资料准备、状态报告汇总等事务性工作；
6.其他各项领导交办的工作。
任职要求1.医学/药学专业本科及以上学历；
2. 5年以上制药/生物技术公司项目管理经验，其中至少包含临床阶段项目的管理经历；
3.具有良好的文字写作功底、较强的沟通协调能力、抗压能力和自我驱动力；
4.具有良好的逻辑思维和学习能力，主观能动性强；
5.有临床运营经验者优先，具备PMP证书者优先。
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. 参与设计和开发创新且高性能的跨本体的具身智能基座模型(Foundation Model)，应用于机器人操作(Manipulation)和导航(Navigation)；
2. 参与搭建具身智能算法开发所需要的数据集和测评体系；
3. 跟踪具身智能领域的最新研究动态，提出创新解决方案；
4. 持续优化算法性能，并探索具身智能基础模型在工业、服务或特定场景中的技术应用和落地机会。
【课题说明】 本岗位聚焦点评C端AI产品的算法研发与能力建设，负责基于大语言模型的智能交互产品的搭建及在点评场景的应用落地，包括AI Search、评价总结、Overview生成等全链路AI产品功能，覆盖点评所有偏 C 端的 AI 算法场景。当前重点方向是 AI 搜，致力于打造业内领先的 C 端 AI 体验。【建议研究方向】1. 任务拆解与规划能力建设：研究复杂用户需求下的任务分解、工具调用与自动化评估能力，构建任务拆解规划工具，提升系统对多步骤、多场景任务的适应能力、执行效率和评估闭环能力。
2. Memory与个性化交互技术：探索AI系统的记忆机制，使工具能够记住用户历史对话和偏好，打造更智能、更懂用户的个性化交互体验。
3. 数据构建与模型训练优化：构造高质量训练数据，开展模型训练与自动评估体系建设，推动大模型在业务场景的高效应用和持续迭代。
4. 本地生活场景质量保障：针对点评流量特点（结合现实世界的客观服务），研究质量保障相关技术，解决搜索和推荐结果的可信度与准确性问题。
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；
1）负责公司数据相关产品的建设，包括不限于数据 AI 应用、BI系统、大屏可视化、专题分析场景、策略工具2）对数据可视化等方向进行技术攻坚，承担复杂的可视化技术模块，并能够抽象与复用3）分析和发现系统中的可优化点，持续优化技术，提高产品易用性与用户体验，用数据来衡量成果4）新兴技术的调研与实践，AI+数据探索、AI Develop等场景应用。
【北斗】广告大模型应用算法工程师-OneModel广告算法研究员
【愿景】广告系统目前正站在从多级漏斗到端到端大模型的范式跃迁起点，传统的多级漏斗架构（召回→粗排→精排→混排）因各阶段目标割裂、信息截断，存在系统性效率损耗。随着 LLM 表征能力与 Scaling 特性日趋成熟，以端到端生成式模型统一广告全链路决策已成为行业的核心探索方向。本岗位面向美团广告 OneModel 方向，核心任务是研究并落地端到端广告大模型，以统一大模型完成从用户行为信号到最终展示序列的全链路决策，最大化用户体验和平台收益。【你将参与】1.端到端广告大模型架构设计。基于 Causal Transformer、MLA、MoE 等架构技术，设计突破多级漏斗限制的端到端广告决策框架，支持融合用户行为序列与实时上下文、直接输出具备位置价值感知的展示序列；探索 Semantic ID、动态候选索引等广告生成式检索关键技术。
2.广告场景多阶段训练范。结合广告数据稀疏特性，设计"海量用户交互 pre-training + 多目标商业价值 post-training"的分阶段训练体系；研究适配广告约束的 RLHF/价值对齐方法，在用户体验与平台收益之间建立可持续的优化路径。
3.广告场景 Scaling Law 研究。探索广告场景下"参数量/数据规模/训练算力 → 业务效果"的转化规律；研究 inference-time scaling、process reward model 等推理阶段增效方向，推动团队迭代范式从人工特征设计向算力驱动跃迁。