薪酬概览
平均月薪
¥7400
中位数 ¥0 ｜ 区间 ¥6000 - ¥8800
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 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：岗位新增1
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 | 5 | 100% |
热招职位
我们致力于用科技创新为用户和生态伙伴创造超预期的交互体验和效率提升，依托生活服务领域多样化且复杂的业务场景，聚焦基座技术与公司战略级应用方向的深度融合，持续推动前沿技术的落地，同时积极探索和挑战技术的无人区，不断定义并刷新行业的最先进技术标准。
1、DataAgent核心基建：攻坚复杂长周期任务调度架构，解决上下文治理、长期记忆与状态流控难题2、BA场景工具链：构建高扩展性数据处理Skill体系与安全高效的代码执行沙盒3、精准营销Agent：基于海量用户行为数据探索精细化需求理解与大小模型协同4、Skill体系与模型优化：探索Skill的表示、调度与自进化机制，推进Agentic RL5、智能服务新范式：建立C端个人Agent与B端服务Agent的连接，研究智能体架构优化
我们致力于用科技创新为用户和生态伙伴创造超预期的交互体验和效率提升，依托生活服务领域多样化且复杂的业务场景，聚焦基座技术与公司战略级应用方向的深度融合，持续推动前沿技术的落地，同时积极探索和挑战技术的无人区，不断定义并刷新行业的最先进技术标准。
1、更聪明：通过Agentic RL、自适应推理等技术提升Agent长程规划与自我纠错能力2、好复用：探索Skill的表示、组织与调度机制，让能力可组合可进化3、低成本：攻克推理成本控制、上下文治理与长期记忆等核心难题4、能应用：从0到1探索C端Agent社区等产品
1、一体化关节模组开发：设计模块化关节结构，集成传感器（如编码器、力矩传感器）、减速器、控制器等核心部件。
2、电机设计：主导大扭矩电机定制开发，对接上下游供应商，完成电机参数调优及技术方案制定。
3、动力系统设计与优化：负责机器人动力系统（电机、传动、散热等模块）的选型、匹配及集成设计，开发高精度扭矩控制 、非线性摩擦力补偿等技术，提升关节模组性能。
1.负责康养社区、医疗养老设施等项目的机电系统（暖通、给排水、电气、消防、智能化）设计审核、施工管理及验收工作，确保符合行业规范及公司标准。
2.重点把控无障碍设施机电配套、应急电源系统等康养场景特殊需求。
3.参与项目前期技术方案制定、招标文件编制及供应商技术评估。
4.监督施工现场进度、质量及安全，协调设计院、施工单位、监理单位解决技术问题。
5.参与组织竣工验收及配合保修期内的保修工作，提出有关设计效果、选材、施工改进等建议。
1、负责小米汽车运输质量安全管理、运输质损KPI管理、日常投诉跟踪处理；
2、负责小米汽车运输过程中的质损处理、日常质损反馈及整改、质损索赔及跟进；
3、负责小米汽车运输车辆过程中异常事件处理，如在途交通事故、在途冰雹质损等异常事件；
4、负责小米汽车装载前人员装载检查、轿运车车况点检及装载过程检查等；
5、负责对二级车队月度质量安全评价；
6、负责小米汽车日常质损分析及月度质损分析，输出后续整改重点改善项目，及落实整改跟踪等；
7、配合客户完成其他关于整车运输的质量安全改善项目。
工作职责以时点【职位说明书】为准
1、运输计划：小米tms运力报板、三日、一周、一月的预计划量统计、统计规划预计划量并下发车队、月底冲刺、参加每日运力盘点会
2、运力统计：统计各个车队月度运力情况、周运力情况、三日内运力
3、计划创建：统计小米TMS创建计划、回复上游任务需求、任务信息回传给车队、退换车、加车
4、车辆入网、驾驶员备案与维护：准备车辆及人员入网资料并实时维护、了解车辆信息。如被拉黑及时询问原因
5、KPI豁免与月度报告：上月的发运总量，超T+1数量与装车时长，跟上游沟通豁免数据情况、原因申请豁免、 发运数据对比，对比上月发运情况
6、整理发运数据，做好整改措施
7、配合客户完成其他关于整车运输的工作。
工作职责以时点【职位说明书】为准
1、客户端质量问题沟通及推进解决：作为质量安全中心在客户端的接口，负责客户端质量问题的统筹及闭环管理，包括客户对接、客户端风险控制、问题在客户端闭环；
2、预验收、出质保及回款质量协助：组织策划制定客户认可的预验收、最终交接、应收回款中涉及质量问题的解决方案，控制大部件质量损失成本；
3、客户端质量宣传：负责重点客户的质量品牌宣传规划，质量的三标一证管理（标准宣传、标准描述、表述呈现、产品技术方案认证）；
4、客户质量需求管理：客户需求调研、问题收集及处理，客户端友商对标，客户端行业情报搜集，形成客户画像，客户年度质量分析报告；
5、客户端质量赔付闭环：负责客户端质量赔付及索赔的谈判与闭环。
1、根据前台和车间主管的分配，认真、仔细完成维修工作；
2、负责在维修过程中对客户车辆采取有效的防护措施；
3、负责按委托书项目进行操作，在维修过程所出现的问题及时向管理层汇报；
4、对每个维修项目必须自检，合格后转到下个工序，不断提高了专业技术，保证维修质量。
一、商户通业务拓展与管理
1. 负责EMEA区域（欧洲、中东、非洲）本地生活商户的开拓与维护，重点覆盖餐饮、酒店、旅游、出行等高价值品类
2. 推动商户接入高德地图"商户通"产品体系，帮助海外商户实现数字化升级，提升在线曝光与获客能力
3. 建立并维护与当地行业协会、商会、连锁品牌总部的战略合作关系，形成规模化商户入驻
4. 深入理解不同国家市场特点，制定差异化的商户运营策略，提升商户活跃度与续费率
5. 协同产品与技术团队，反馈海外市场商户需求，推动产品本地化优化
二、广告售卖与商业化变现
1. 负责EMEA区域线上广告产品的销售工作，包括搜索广告、展示广告、位置广告等多种广告形式
2. 针对大型连锁品牌、跨国企业客户，设计整合营销方案，实现广告投放效果最大化
3. 建立完善的客户管理体系，定期复盘广告投放数据，提供优化建议，提升客户ROI与复购率
4. 跟踪竞争对手动态与市场趋势，及时调整销售策略与定价机制
5. 配合市场团队策划区域性营销活动，扩大高德地图在海外市场的品牌影响力与商业认知度
三、大客户拓展与战略客户管理
1. 识别并锁定EMEA区域内的高潜质大客户（年消费潜力50万+），建立目标客户清单并制定攻坚计划
2. 主导大客户的商务谈判、合同签订及后续服务落地，确保项目按时交付并达成预期商业目标
3. 深度挖掘大客户的多元化需求，跨产品线整合资源，提供一站式解决方案，提升单客户ARPU值
4. 建立长期稳定的客户关系网络，通过高层互访、行业峰会等渠道深化合作层级
5. 总结沉淀大客户拓展方法论，赋能团队其他成员，形成可复制的成功案例库
四、市场洞察与团队建设
1. 持续监测EMEA各细分市场的竞争格局、政策法规变化及用户需求演进，输出月度市场分析报告
2. 协助搭建本地化销售团队，参与候选人面试与新人培训，提升团队整体战斗力
3. 建立跨部门协作机制，与产品、技术、运营、法务等部门高效联动，保障业务顺利推进
4. 代表公司参加行业展会、论坛及商务活动，拓展人脉资源与合作机会
1、负责流程管理体系搭建和完善，为各业务的流程建设提供支持，以支撑公司战略、策略的落地；
2、走进业务线的各个环节，对棘手问题有序梳理，主动为业务团队的流程进行梳理、诊断、设计、优化、实施，提供基于流程管理的应用解决方案；
3、负责组织、管理、协调业务流程管理项目的整体运作，承担对公司的业务流程的培训、监控、运行情况报告；
4、根据环境、业务和组织调整变化的需要，识别日常经营过程中出现的业务风险及流程缺失，提出优化方案、实施流程培训并实施监督保证执行效果
5、负责提炼和沉淀各业务线流程优化中的知识和经验，给公司各部门进行流程培训
6、配合IT进行流程工具的设计与测试。
1、负责产品全生命周期质量管理工作，确保产品高质高效交付；
2、基于IPD流程及产品特点，能够根据产品特点完成产品维度及专项维度质量策划、组织项目TR节点评审、质量复盘等工作；
3、深入产品开发过程，通过质量度量、分析、评估等，识别产品质量问题和风险，提供解决方案并驱动持续改进；
4、对问题敏感，能够及时发现问题并推动解决；
5、负责领域质量工程建设：进行质量专项能力、专业方法的研究和落地；
6、负责领域的流程建设：完成产品开发流程在项目的适配、试点和推行，并通过研发活动中发现的问题、优秀实践，驱动流程优化；
7、配合公司/业务需求，支持内外部审核。
负责面向 Agentic AI 场景的沙盒基础设施平台建设，支撑美团自研模型强化训练、agent评测、数据合成、在线调用等场景下的大规模多样化环境需求。- 设计并实现统一的执行抽象层，支持 Function Call / Container / microVM / fullVM 等多种执行基座，并提供一致的接口与调度能力。- 负责沙盒集群的控制面与数据面架构设计，包括 API Gateway、Host Agent、Cluster Monitor 等核心组件的研发与演进。- 优化沙盒环境镜像的分发、加载与启动链路，建设分层镜像、按需加载、本地缓存、只读层共享等能力，提升冷启动性能与资源利用率。- 面向超大规模并发场景，持续推进密度优化与成本优化，包括页缓存复用、内存回收、运行时争用治理、超卖与隔离平衡等方向。- 建设面向 Agent 执行过程的轨迹日志、状态追踪、故障恢复与可回放机制，提升系统的稳定性、可观测性与可审计性。- 与模型、训练、评测、推理、平台等团队协作，推动 AI Agent 运行时基础设施在实际业务中的落地。