薪酬概览
平均月薪
¥10800
中位数 ¥0 ｜ 区间 ¥9200 - ¥12300
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
55.6% 人群薪酬落在 0-8k
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
4
对比上月：岗位减少4
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 | 50% |
| >10年 | 4 | 50% |
热招职位
1、定义网络安全基座模型的知识体系和评测体系
2、建立网络安全基座模型的知识迭代飞轮，从多种知识来源收集沉淀网络安全领域知识，与算法同学合作为网络安全基座模型提供高质量领域知识与数据
3、针对网络安全基座模型在评测中的问题进行归因分析，识别网络安全基座模型的短板
工程基础能力（必备）
1、2年以上Java研发经验，具有扎实的Java功底，对JVM原理有一定了解，具有良好的Java IO、多线程、网络等方面编程能力。
2、熟悉Spring、MyBatis等常用Java开源框架，对其运行原理有较好理解。
3、精通数据库设计（MySQL优先），具备优秀的SQL编写及调优能力；熟悉常见NoSQL存储（如HBase、Redis、MongoDB等）。
4、有大规模高并发互联网应用的设计和开发经验，熟悉分布式架构，熟悉缓存、消息队列等中间件。
5、擅长业务系统架构设计，具备一定的项目协调推进能力。
AI工程能力（必备）
1、掌握Prompt工程、RAG、Tool Calling、Context Engineering等AI核心技术，能设计高可用、高扩展性的大模型/Agent架构。
2、对Agent系统开发有实践经验或深刻理解，熟悉LangGraph、ADK、AgentScope等框架中的至少一种；了解Claude Code、OpenClaw等前沿Agent的实现机制。
3、熟悉OpenAPI、RPC、MCP等协议，具备复杂工具与服务集成能力。
综合素质
1、热爱技术研发，对AI技术充满热忱，持续追踪AIGC前沿进展；具有快速学习能力，注重代码质量，有良好的软件工程知识和编码规范意识。
2、具备问题/价值驱动的探索精神和优秀的问题解决能力，敢于创新，主动探索AI新技术在复杂商业场景中的应用边界。
3、具有较好的沟通能力，思路清晰，善于思考，能独立分析和解决问题；有强烈的责任心和团队合作精神。
加分项
1、有广告投放系统的开发经验。
2、有自己精心维护或参与的GitHub开源项目。
1. 负责智能驾驶系统基础软件业务架构方案设计（包括通讯、诊断、OTA升级、时间同步、进程管理、信息安全、网络管理、电源管理、EOL下线等）
2. 承接上游平台规范及算法业务需求，负责智驾域控基础软件业务软件需求拆解，方案设计、接口定义，输出软件需求文档及架构设计文档
3. 支持mcu，soc基础软件开发及测试团队，评审详细设计文档，评审测试用例，支持工程量产落地
4. 支持智驾算法团队在智驾域控平台上算法软件部署，性能优化，软件架构方案优化迭代等需求
5. 信息安全需求管理拆解和需求闭环、流程认证及问题排查等
1.云桌面日常运维（云桌面新建、修改、删除流程处理，运维周报书写）
2.负责公司虚拟桌面和相关虚拟服务器问题处理工作
3.公司安全系统日常运维工作（权限开通，策略调整）
4.公司安全系统问题处理（排查由安全系统导致的终端异常）
1、参与并实现端到端多视角三维重建流水线：数据预处理、相机/传感器标定与对齐、稠密重建与渲染模块的设计与开发。
2、基于 NeRF、3DGS 等神经渲染与可微渲染方法，研发可扩展、高效的模型与部署方案，兼顾质量与性能。
3、设计并搭建量化评估体系与自动化测试框架，用以衡量重建质量、推理实时性及对下游感知/规划任务的影响。
4、将研究成果工程化：与数据、标注、仿真与感知团队协作，完成模型训练流水线、离线渲染与实时仿真集成与部署。
5、优化算法性能（计算与内存），并参与模型推理加速、量化或裁剪等工程化工作以满足实时/大规模训练需求。
【愿景】美团龙猫基座大模型，不只聪明，更懂生活。从语言理解到全模态感知，从架构创新到极致推理，从海量预训练到亿级真实订单 —— 我们造的不仅是实验室里的“优等生”，更是活在大街小巷、三餐四季里的AI。 而我们想做的远不止于此 —— 让模型自己提出假设、训练自己、不断进化； 让一群智能体像团队一样分工协作、攻克复杂问题； 让 AI 走出屏幕，理解物理世界、走进真实场景。 这是我们正在冲刺的方向，也是你可以参与定义的未来。 加入我们，一起把智能带进真实物理世界，亲手打造下一代 AGI！【团队介绍】基座大模型AI Infra团队，以支撑前沿基础模型持续演进为目标，面向大模型研发与生产全链路，构建高性能、高稳定性、可持续扩展的AI基础设施体系。围绕高效率实验平台、大规模训练生产能力，以及模型结构与芯片架构协同优化， 沉淀软硬一体、训推贯通的关键基础能力，提升模型迭代效率、训练资源利用率与系统上限。【你将负责】模型推理是大模型应用的核心能力，是影响大模型应用成本和效率的关键因素。本课题专注于大模型推理加速与分布式系统优化的前沿技术探索，通过软硬件协同设计和算法工程联合优化，降低大模型推理的应用成本，提高推理性能。研究内容包括但不限于：
1.投机推理（Speculative Decoding），研究基于预测性执行的动态推理优化方法，参与设计低延迟推理框架，通过概率模型预生成候选序列以降低解码计算开销。
2.分布式系统优化，探索多节点协同推理中的通信-计算负载均衡策略，提出基于异构硬件的混合并行调度方案，实现吞吐量提升。
3.稀疏Transformer优化与模型压缩，通过稀疏Transformer优化以及模型压缩技术提升模型的计算效率。
4.算子优化，熟悉最新硬件架构的算子优化方法，通过更高效的算子优化模型的吞吐和延时。
1、负责游戏功能系统的服务端开发工作
2、协助系统架构师对服务器程序进行架构分析和软件设计，并完成相应的文档；
3、主动跟进与处理各模块的bug；
4、开发服务端各项周边工具；
5、负责自己所编写模块的单元测试工作。
1. 负责无人机系统的整体架构设计与技术方案制定，涵盖结构、动力、能源、任务载荷等核心模块。
2. 主导无人机硬件系统的开发、集成与测试，确保系统稳定性、可靠性及性能指标达标。
3. 协调跨部门资源，推动项目从需求分析到产品落地的全流程实施，保障项目按时交付。
4. 跟踪行业前沿技术，持续优化系统性能，提升产品竞争力与技术创新能力。
5、主动探索并运用各类AI工具优化日常工作流程，积极推动AI在业务场景中的落地实践，持续提升个人及团队的工作效率与产出质量
【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。
