薪酬概览
平均月薪
¥20000
中位数 ¥0 | 区间 ¥14300 - ¥25700
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
80% 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
8
对比上月:岗位新增7
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 |
|---|---|---|
| 3-5年 | 4 | 50% |
| 不限经验 | 4 | 50% |
热招职位
1.负责账号/权限/审批相关产品或平台的项目迭代和日常维护工作,和团队成员协作支持业务运转;
2.主导前端技术方案设计、产出、实施,解决跨业务域抽象、多技术栈混杂、微应用框架体系等技术挑战;
3.参与前端团队的组件沉淀、开发规范制定等,共同建设前端技术底座,包括但不限于AI Agent开发、可视化、微前端、低代码、组件化等方向;
4.探索web前沿技术,关注用户体验和潜在需求,拓展前端能力边界;
1. 核心前端能力:精通 React 及生态(Hooks、组件化、性能优化、工程化),有复杂 SPA 架构与落地经验。深入理解前端渲染与性能机制(Virtual DOM、Diff、渲染流程 等),具备定位与解决性能问题的能力。熟悉实时交互与流式体验实现,掌握 SSE/WebSocket 等实时通信方案(包含断线重连、状态同步、流式渲染等);
2. AI 前端专项能力:有 Generative UI(生成式 UI) 实战经验:能基于 JSON Schema/DSL 动态渲染组件,具备组件协议设计与扩展能力。熟悉前端 AI 开发框架/SDK,如 LangChain.js、Vercel AI SDK 等,能完成从工具编排到交互体验的完整闭环。熟练使用 AI 辅助研发工具(如 Codex / OpenCode / Claude Code 等),能将其有效应用到日常开发提效与质量提升;
3. 产品与体验思维:有强同理心与创新意识,能从用户体验角度设计 AI 交互:不仅能“把 API 接起来”,还能回答“AI 应该怎么呈现、怎么被理解、怎么被信任”。能把不确定的模型输出转化为可控体验:反馈机制、解释性展示、兜底策略与可迭代方案。
加分项(Nice to have)
有 Midway / Next 等全栈框架经验,能推动端到端问题闭环;有 C 端 AI 产品交互/前端工程建设经验(如智能问答、AI 助手、对话式搜索等场景);掌握一门以上后端语言(Node/Python/Java),具备全栈思维与基础服务能力。
1、参与前端页面开发与维护:负责Web端/移动端页面的功能迭代、Bug修复及代码优化,根据设计稿还原UI界面;
2、完成模块开发与联调:按编码规范实现业务功能,配合后端完成接口联调与数据交互;
3、参与代码审查与质量保障:参与Code Review,遵循Git规范,关注页面性能与兼容性问题;
4、学习与协作:熟悉公司技术栈(Vue/React + TypeScript),参与团队技术交流与分享。
任职要求1、遵守中国宪法和法律,具有对党忠诚的政治品格,具有职务所需的工作能力、文化水平、专业知识及身体条件;
2、大学本科及以上学历,在校生,计算机、软件工程、信息技术等相关专业可优先考虑,一般不超过30周岁;
3、掌握HTML、CSS、JS基础,了解Vue/React任意一种框架;
4、会简单页面还原与开发,具备基础代码调试、问题排查能力;
5、学习能力强,工作踏实认真,有良好的沟通协作意识。
1、1-2年前端开发经验,扎实掌握 JavaScript / TypeScript 和现代Web标准;
2、熟悉 React 及其生态(如状态管理、组件化开发),有实际项目经验;
3、具备良好的工程意识,了解基本的构建工具(如Webpack/Vite)和API调用方式;
4、对AI技术有浓厚兴趣,愿意学习大模型、Agent等新范式,有相关项目的实践经验;
5、思维清晰,沟通主动,有强烈的学习意愿和成长潜力;
【加分项】
1、有开源项目、技术博客或在校期间参与过创新项目;
2、使用过主流大模型(如通义千问、Claude、GPT、Gemini等)或者LLM应用开发平台的成熟项目经验。
1. 集团多种业务场景下,对千亿级流量进行攻击流量识别、人机识别相关算法研究;
2. 通过 LLM 对海量流量及各端审计数据进行分析,不断提升大模型在流量识别场景下的分析及归因能力;
3. 搭建端云协同的风控模型系统,不断提升各类异常流量的防控能力;
4. 跟踪风控领域前沿技术,结合多模态数据,进行原型系统的研发和验证
1. 负责大规模语言基础模型,多模态模型,文生图、视频生成模型等AI能力的工程化落地工作。
2. 支持百炼大模型平台上高代码、低代码平台核心能力的建设。
3. 主要负责百炼大模型平台应用广场、MCP广场能生态能力建设。
AI升级战略的核心架构设计者与变革推动者,肩负两大战略目标:实现研发效能的指数级(10X)跃迁,以及驱动十万级存量应用向 AI 原生架构的演进。您的工作将直接影响公司数万名开发者的工作方式和效率。
I. 核心职责领域
1. AI 解决方案架构设计与治理 (Strategic Output)
设计可复用 AI 应用架构,确保架构具备高安全性、高性能、高可观测性和良好的成本控制。
制定 AI 研发接入规范,涵盖从开发到部署的端到端标准。
输出标准化架构图、数据流图、部署模型等技术资产。
2. 研发效能 AI 化攻坚与指标驱动 (10X Efficiency Focus)
主导研发场景(前端、后端、测试)的AI提效项目落地,串联上下游流程,形成最佳实践。
优化关键体验指标:重点攻克 Prompt 工程、上下文管理、响应延迟等LLM应用的核心挑战。
构建提效评估体系,通过关键指标(如 AI ROI)验证和驱动解决方案的业务价值。
3. 规模化演进与工程化落地 (Scaling and Governance)
设计 AI 应用在过渡期和终态的协作形态,制定大规模应用向 AI 原生架构的演进策略。
将成功的 AI 模式封装为 SDK / CLI / IDE 插件等工具,降低业务团队接入门槛。
与产品生态深度合作,规模化推进集团研发过程的全面变革。
4. 技术布道与方法论输出 (Enablement and Knowledge)
编写《AI 解决方案架构指南》《典型场景白皮书》等体系化方法论。
输出实施手册、Checklist、FAQ 等可复制资产,赋能业务团队。
组织**“最佳实践分享会”**,建设 AI 最佳实践工程对接平台,支持业务团队完成架构评估与改造。
1、负责中后台 、企业管理类产品的研发技术工作
2、负责对应项目的问题排查和解决
3、总结并沉淀项目中的技术方案和相关经验 ,能赋能到团队 , 提升研发效率
4、打造团队通用的基础组件&设施
1.负责机器学习训练平台的建设,支持业务的探索实践
2.负责研发领域相关的基础设施建设,包括但不限于数据采集、预处理、模型训练、监控和管理等
3.负责对算法进行工程化能力封装和抽象,形成通用框架或组件,提高研发效率和降低研发成本
4.负责大规模分布式异构训练性能优化
1. AI数据资产体系建设:负责核心AI数据资产体系,结合业务需求与数据算法能力,主导大数据的处理、解析、分析、挖掘、研发及优化工作。
2. 合成数据与数据多样性:主导结合场景的合成数据多样性生产: 探索基于 AI 模型的合成数据技术,主动解决特定领域(如逻辑推理、长尾语种)的数据稀缺问题。
3. 基于大模型做特征筛选、小模型蒸馏、小模型效果评估,主导欺诈评分等能力建设上。
4. 数据驱动的生产闭环:基于评测/资产结论,将其转化为工程层面的“数据增强策略”。通过反馈快速构建数据生产流程形成数据供给的闭环。
5. 持续跟踪及探索Data + AI方向的行业进展(如Data Agent、AIOps、湖仓一体智能优化等),主动开展技术预研与原型验证,推动先进技术在公司中的适配与规模化应用。
1. 负责企业级办公Agent 技能市场产品/平台能力的设计和研发,包括前台产品能力、运营中心、开放对接能力等,打造企业办公易用/安全/统一的技能市场,加速AI在办公场景的大规模应用。
2. 参与搜索/意图识别等相关能力的设计和研发,涉及企业内部海量知识的接入/加工、搜索在/离线能力的建设(索引构建、意图识别、粗排/精排等),建设企业办公统一的搜索能力,同时结合技能市场的消费需要,提供高质量的findskill能力。
1.围绕办公场景(办公、IT、人力资源、财务、法务等场景)参与设计先进的Agent架构(记忆模块、规划模块、工具调用模块等),在各个场景落地,并取得效果
2.通过Harness Engineering的相关技术,来提升LLM或者Agent在垂域的效果,通过调优来提升整个效果
3.联动工程与算法团队,深度参与设计“办公领域通用Agent框架”。通过对办公SOP的算法抽象,建立标准化的意图理解、工单结构化与任务分发机制,实现Agent能力在不同职能场景间的快速迁移与规模化协同
4.通过Vibe Coding来快速进行Harness Engineering相关的探索与实验,进一步探索 办公领域AI-Native 开发范式