杭州公司驾驶员
公司驾驶员是负责驾驶公司车辆进行货物运输或员工接送等工作的专业司机。公司驾驶员需要具备良好的驾驶技术和丰富的驾驶经验，熟悉道路交通法规和车辆维护保养知识。工作内容主要包括按时按路线要求安全地将货物或员工从一个地点运送到另一个地点，确保车辆的安全运行和维护。在配送货物时，公司驾驶员需要仔细核对货物清单，保证货物的完好无损交付。此外，公司驾驶员还需要和客户进行有效沟通，确保送货的准确性和及时性。在需要时，公司驾驶员还可能需要协助装卸货物或进行一些简单的车辆维修保养工作。这个职位需要对安全负责，具备高度的责任感和细心的态度。
薪酬概览
平均月薪
¥8400
中位数 ¥8000 ｜ 区间 ¥6800 - ¥9900
数据来源：谈职全网18份招聘数据；更新时间：2026年7月13日
月薪分布
61.1% 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
5
对比上月：岗位减少26
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 |
|---|---|---|
| 应届 | 5 | 100% |
热招职位
1.负责城市整体配送业务运营管理；
2.负责城市自营运力招募.管理.培训；
3.负责排线管理和配送路径规划；
4.管理第三方物流承运商日常监控.赋能.考核；
5.负责城市配送成本的控制优化。
1、追溯方案设计与数据管理：结合IATF
16949、VDA等标准设计产品追溯方案；确保关键制造数据（SN、工序、参数、质检）完整可追溯，优化数据存储与查询效率
2、数据分析与可视化：参与异常追溯分析，提供数据支持；利用BI等工具实现MES数据可视化，提升质量管理水平
3、设备对接与联网实施：协调PLC、SCADA、Kepware等系统与MES的数据采集与通讯；参与设备联网方案制定，确保生产数据实时采集与上传，优化传输稳定性
4、需求受理与系统配置：与生产、IE、工艺、设备、质量等部门对接，收集分析MES业务需求；负责项目导入阶段MES系统功能配置，包括工艺流程、工序控制、物料追踪等
5、系统实现与测试培训：配合供应商和开发团队完成接口开发、调试及上线验证；协同开发团队推动业务需求系统实现，负责UAT测试及用户培训
1、根据生产计划制定物料需求计划,并下单请购,跟踪物料进度,确保满足生产需要;
2、预测跟进供应商产能与交付,对判断无法满足的交付提出预警;
3、跟进到货计划与实际达成情况并追踪检验结果;
4、负责MRP以及库存管理的设计与开发；
5、对呆滞物料进行统一分析并全程把控处理，包括不限于产品选型、兼容替代、售卖、报废等处理方式。
6、对供应链IT系统进行业务需求深化开发，不断完善整套供应链系统的数据化。
1. 负责激光雷达电子相关的失效分析工作，包括问题定位、根因分析、风险评估和改进方案制定。
2. 建立并优化硬件失效分析流程和方法，提高分析效率和准确性。
3. 协同研发、生产和客户质量团队，解决产品在研发、制造和售后阶段遇到的硬件相关问题。
4. 进行失效模式与影响分析（FMEA），并基于分析结果提出产品设计和制程改进建议。
5. 编写详细的失效分析报告，并向管理层和客户（整车厂）清晰传达分析结果和改进措施。
数据仓库工程师15-30万年薪
1. 协助架构师，对接业务、数据分析团队，理解业务需求，将需求转化为具体的数据开发任务，支撑报表制作、数据大屏、自助分析等业务场景落地。
2 . 配合架构师完成企业数据仓库分层架构落地，参与ODS/DWD/DWS/ADS各层数据模型设计、开发与迭代，严格遵循数仓建模标准及数据治理规范。
3. 负责海量业务数据的接入、清洗、转换、分层加工，参与离线数仓、实时数仓及数据集市的搭建。
4. 运用Hive、Spark、Flink等大数据组件，完成高效SQL脚本编写、数据同步任务及数据校验脚本等数据开发工作；解决数据同步延迟、数据异常、查询卡顿等常见问题；参与SQL调优、任务性能优化等工作。
5. 完成数据同步工具、自定义UDF、数据服务接口等底层组件的开发与调试，具备基础Java开发能力，能配合完成二次开发工作。
6. 负责数仓日常运维，包括任务调度监控、数据质量排查、元数据维护，沉淀数据资产，配合团队推动数据质量监控体系落地。
7. 学习大数据、云原生数仓新技术，配合架构师完成架构优化，参与降本增效相关工作，保障数仓稳定运行。
１、协助团队成员处理发票审核、费用报销等财务事务，确保票据合规性和税务准确性。
２、协助完成日常财务数据录入和账目核对工作，确保数据的准确性和及时性。
３、协助团队成员完成异常问题的追踪、记录和解决，推动异常问题的标准化和规范化处理。
４、参与财务报表的编制过程，协助进行数据收集和分析，为财务报告提供支持。
５、学习并使用集团内部财务软件和系统，提高工作效率和数据处理能力。
６、参与财务流程优化项目，提出改进建议，提升财务共享服务效率。
7、完成上级分配的其他临时任务。
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
1、深入理解招聘业务全链路（职位发布、简历筛选、面试安排、Offer管理等），洞察招聘场景中的效率瓶颈与用户痛点，主导设计基于AI Native理念的招聘产品方案，推动招聘流程的智能化升级与体验优化，实现从传统人工操作向AI驱动的范式转变。
2、负责招聘AI Agent产品的整体规划与落地，涵盖智能简历解析与人岗匹配、候选人意图识别与触达策略优化、面试辅助决策与反馈归档等核心场景，将大语言模型（LLM）与Agent架构能力融入招聘产品核心流程，实现从需求理解、任务规划到工具调用与行动执行的端到端闭环。
3、将招聘领域专家经验与运营SOP抽象为可被AI调用的标准化Skills模块，设计多步任务编排与多轮对话交互机制，构建面向招聘场景的智能Agent系统，并建立覆盖准确率、解决率、满意度等维度的效果评估与持续优化体系。
4、协同算法、研发、设计、运营等跨职能团队，推动产品从0到1孵化及持续迭代优化，制定可量化的业务效果指标（如简历筛选效率提升、候选人转化率提高、招聘周期缩短等），以数据驱动产品演进与业务增长。
5、持续跟踪AI领域前沿技术动态（如RAG、Function Calling、Multi-Agent协作、Prompt Engineering等），结合招聘业务场景进行产品创新探索与技术预研，保持产品的技术领先性与行业竞争力。
企业智能事业部-AI 应用研发工程师（Python/Java）-杭州
该职位涉及企业数智化、企业办公智能助理相关业务中的部分内容：
1、参与阿里巴巴集团员工通用的办公智能助理的研发；
2、参与大模型和 Agent 相关技术的开发，包括工具调用、任务规划、多智能体协同、技能开发等技术模块；
3、作为后端工程师，参与 AI Agent 和办公任务自动化产品的系统架构，保证各系统高性能、高可用、可扩展。
独立操盘市场采购领域的核心类目，比如，营销服务、线上媒体、用户增长、新媒体等方向。需要快速学习和深刻理解业务逻辑和业务需求，具备采购专业的方法和判断力，在复杂多变的营销供应链环境中制定清晰的采购策略并推动落地，同时将AI能力融入日常采购实践，持续探索新供给、新方案、新模式，具体的工作内容包含但不限于：
1.品类策略与规划：基于集团多个业务单位的需求和市场洞察，独立制定所负责类目的年度采购策略，包括供应商结构设计、成本模型搭建、资源配置方案等；深入研判营销服务市场的供给趋势、产业能力变化和技术迭代动态，敏锐感知外部市场的情况，匹配业务发展需求制定采购方案；
2.核心项目交付：作为采购类目的核心负责人，端到端主导大型市场项目的采购交付，从需求澄清、方案设计、供应商谈判到合同签署与履约跟踪；响应战役级需求，深刻理解交付目标以及协同多方资源达成目标；
3.供应链管理与建设：系统性构建市场服务领域的供应商资源库，建立从准入评估、能力分级、绩效考核到退出淘汰的全生命周期管理机制；持续追踪头部供应商的业务动态与能力变化，主动发掘和引入优质新供应商，确保供应链的稳健同时保持充分的竞争力；
4.合规与风控：在采购全流程中严格执行公司合规制度，确保寻源、比价、定标、签约各环节的合规与审计要求；对市场品类特有的机会和风险有感知力和判断力；
5.AI驱动创新：对AI有热情、有学习能力，能将AI工具和方法主动应用到采购场景中，推进品类工作的提效，沉淀采购专业skill，以及构建采购品类agent；
6.团队管理与资源协调：带领团队完成高复杂度的多线并行交付任务；在跨部门协作中发挥枢纽作用，能够对齐大团队的策略方向、向下拆解执行路径、横向拉通多方资源，解决复杂问题。
聚焦AI产业链的核心采购领域，要求候选人具备AI技术背景，并愿意在快速演进的采购领域完成高质量的资源配置决策，确保集团在AI能力建设中的供应链具备先进性、竞争力与商业合规的可持续性。
方向一：AI 服务采购
■ 寻源与商务管理：负责模型服务领域的供应商寻源、评估与商务合作体系搭建，覆盖主流模型服务商、云计算平台及技术服务聚合商等多元渠道
■ 交付要件磋商：主导核心商务条款的谈判与设计，比如计费模式优化、服务容量保障、知识产权与合规约定等
■ 市场洞察与成本判断：协同业务部门理解不同应用场景的资源消耗特征，建立成本分析、用量、价格优化的工作框架，支撑业务的弹性扩展需求
■ 评估管理与风险防控：关注行业政策与市场格局变化，完善迭代评估和考核体系，推动供应策略的有效实施，保障服务连续性与业务安全
方向二：AI 资源采购
■ 供应商生态管理：构建并维护AI训练所需的数据资源供应体系，品类方向包括合规授权数据集、专业领域知识库、多模态资源、人工标注与加工服务等
■ 需求对接与方案设计：将AI训练的需求转化为明确的采购规格与验收标准，针对不同业务场景设计匹配的采购方案
■ 成本建模与供应规划：构建和动态优化成本模型，评估供给的复杂度与效率因素；根据业务节奏进行产能规划与资源预留，引入新型资源以及技术方案以持续优化成本结构
■ 合规治理与质量保障：关注和落实合规要素，建立评估标准与持续改善机制