北京软件主管
软件主管是负责管理和领导软件开发团队的专业人士。他们负责制定和执行软件开发项目的计划、目标和策略，确保团队按时交付高质量的软件产品。软件主管通常需要具备扎实的技术背景和丰富的软件开发经验，能够指导团队成员进行技术选型、架构设计和编码实现，同时协调不同部门之间的合作，确保项目顺利进行。此外，软件主管还需要具备良好的沟通能力和领导能力，能够有效地管理团队成员的工作任务和项目进度，解决团队内部的技术问题和冲突，并与上级领导沟通汇报项目进展以及风险管理。总之，软件主管在软件开发团队中起着至关重要的管理和领导作用，对项目的成功实现起着关键性的作用。
薪酬概览
平均月薪
¥25400
中位数 ¥0 ｜ 区间 ¥18800 - ¥32000
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
40% 人群薪酬落在 >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
5月新增岗位
6
对比上月：岗位新增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 |
|---|---|---|
| 5-10年 | 3 | 50% |
| >10年 | 3 | 50% |
热招职位
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。
1. 参与海外TSP系统进行平台化技术架构设计，支持海外业务；
2. 负责海外TSP平台化需求的设计和开发，支持海外车型项目；
3. 根据当前业务对海外TSP进行性能优化和提升；
4. 了解车联网海外行业动态，跟踪技术发展趋势，不断提升自身技术水平。
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。
【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。
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. 负责相关产品软件需求及方案开发；
2. 负责相关产品软件设计及产品软件开发；
3. 负责内、外部项目代码开发、软件代码集成、软件集成调试等工作；
4. 其它临时性的研发支持工作。
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。