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