济南Golang后端开发工程师
Golang后端开发工程师是负责使用Go语言（也称为Golang）进行后端应用程序开发的专业人员。他们通常负责设计、开发和维护服务器端应用程序和服务，以支持网站、移动应用程序或其他软件的后端功能。这包括处理数据、处理用户请求、与数据库交互、实现安全性和性能优化等方面的工作。Golang后端开发工程师需要具备良好的编程技能、对系统架构的理解、对性能调优的经验，以及对后端开发最佳实践的了解。他们还需要与团队成员合作，与产品经理、前端开发人员和测试人员紧密配合，以确保开发的应用程序满足需求，并在生产环境中稳定运行。拥有Golang后端开发经验的工程师在当前市场上很受欢迎，因为Go语言具有高效、并发性强和易于学习等优点。
薪酬概览
平均月薪
¥11100
中位数 ¥11500 ｜ 区间 ¥8800 - ¥13400
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
100% 人群薪酬落在 8-15k
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
11月新增岗位
18
对比上月：岗位新增15
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 | 12 | 66.7% |
| 1-3年 | 6 | 33.3% |
热招职位
1、负责Web应用的系统开发、架构优化和演进；
2、编写和维护高质量的代码、确保代码易于理解、可维护和可扩展；
3、承担重点、难点的技术攻坚。
1. 负责软件开发工作，包括需求分析、系统设计、编码、单元测试、系统集成和服务部署等环节。
2. 参与项目需求评审和技术方案讨论，明确项目开发进度和质量;根据业务需求，进行软件开发工作，编码高质量的Python代码。
3. 负责系统性能优化和代码重构，提高系统的稳定性和可维护性。
4. 参与代码审查，确保代码质量和规范符合团队标准。同时 编写技术文档,包括需求文档、设计文档、测试文档、用户手册等。
5. 与团队密切合作，保质保量的完成leader分配的任务，解决项目中的技术难题和需求变更。
1. 根据业务部门需求，完成系统功能设计、开发与测试，确保高质量交付；
2. 参与人力资源系统等核心项目开发，承担关键模块或服务的设计与编码；
3. 负责系统接口设计、数据库建模与性能优化，持续提升系统稳定性与可维护性；
4. 编写开发文档与技术规范，推动团队技术沉淀与标准化建设；
5. 支持前后端协同开发，配合完成中台系统、表单流程的快速构建；
6. 关注主流技术方向，参与微服务架构、DevOps、AI项目等智能化改造工作；
7. 必要时承担项目指导或评审角色，提升团队整体开发效能。
8. 部门内其他工作。
1、负责大模型训练平台的结构设计、核心模块开发与性能优化，支持大规模分布式训练任务；
2、参与数据集的构建、清洗、预处理以及高效存储方案设计，确保数据质量与训练效率；
3、实现模型微调全流程工具链使用，包括参数配置、训练策略优化及资源调度；
4、开发模型验证与评估系统，设计自动化测试框架，确保模型效果符合业务需求；
5、跟踪大模型技术前沿，探索高性能计算、显存优化等关键技术落地。
AI应用开发与系统集成工程师（数智化工厂方向）(J10957)
1. 负责将算法团队交付的模型进行服务化封装（如RESTful API、gRPC服务），开发高性能、高可用的后端应用，并负责在服务器或云平台上的部署、监控与维护。
2. 对接生产现场的 PLC、传感器等工业设备，实现设备数据的采集、传输与解析，打通信息系统与物理设备间的数据壁垒。
3. 开发用户友好的Web前端或桌面客户端界面，用于数据展示、模型参数输入、预测结果可视化及交互式分析。
4. 负责AI应用与公司内部系统（如MES, LIMS, ERP, 实时数据库）的集成，设计并实现稳定、安全的数据交换接口与自动化数据管道。
5. 开发供生产或技术人员使用的内部AI工具平台、数据分析平台或模型管理平台，降低AI技术使用门槛。
6. 参与AI项目从技术可行性评估、供应商产品对接（若需要）、技术选型、开发实施到上线运维的全过程，确保项目成功落地。
1、视觉、MES、机器人、业务系统等软件项目的设计、开发、调试、维护以及资料受控
2、所负责项目涉及到的机械,电气,工艺,品质等工程师进行项目设计调试维护过程中的沟通确认
3、所负责项目完成后,维护相应的受控代码,设计文档等资料,交接相应项目的维护操作等
4、完成上级领导安排的其他工作任务
1、需求调研与分析：深入挖掘用户潜在需求，精准提炼业务痛点。能够将复杂的业务需求转化为清晰、可实现的功能需求，输出详细、规范的需求规格说明书
2、解决方案设计与定制：具备优秀的解决方案设计能力，能够结合用户业务场景以及技术发展趋势，设计出创新性的解决方案，确保方案可行性与技术先进性，。
3、对设计方案进行成本效益分析，评估技术可行性、实施周期、实施风险与预期收益，为项目决策提供数据支持。
5、项目协作与推进：协同业务经理、交付开发团队，参与项目全流程，把控项目进度，及时解决技术与流程问题，保障项目按时高质量交付。
6、运维与持续改进：项目上线后，负责系统运维与持续改进工作，用户问题解决、需求分析识别，与软件厂商持续开展持续改进提升工作。
7、组织召开项目会议，协调各方资源，及时沟通项目进展与问题，确保项目信息在团队内有效传递。
8、用户沟通与服务：与用户保持密切沟通，提供解决方案、演示方案效果，解答疑问，收集反馈，提供技术支持、培训，提升用户满意度。基于客户反馈，对解决方案进行优化调整，确保方案持续满足用户需求。
1.负责新产品立项、开发等整体技术规划与实施；主导处方设计、工艺优化、中试放大及技术转移，解决工艺开发中的关键技术问题；确保制剂工艺符合国内外药品注册要求及GMP规范。
2.协助生产解决“卡脖子”难题，助力降本增效、质量提升、工艺技术水平提升、工艺安全等，主导重大变更申报资料的撰写与审核。
3.跟踪行业新技术（如连续制造、纳米制剂、3D打印等），推动创新技术应用。
4.与研究院、生产、质量等部门紧密合作，推动项目全生命周期管理。
1、需求调研与分析：深入挖掘用户潜在需求，精准提炼业务痛点。能够将复杂的业务需求转化为清晰、可实现的功能需求，输出详细、规范的需求规格说明书
2、解决方案设计与定制：具备优秀的解决方案设计能力，能够结合用户业务场景以及技术发展趋势，设计出创新性的解决方案，确保方案可行性与技术先进性，。
3、对设计方案进行成本效益分析，评估技术可行性、实施周期、实施风险与预期收益，为项目决策提供数据支持。
5、项目协作与推进：协同业务经理、交付开发团队，参与项目全流程，把控项目进度，及时解决技术与流程问题，保障项目按时高质量交付。
6、运维与持续改进：项目上线后，负责系统运维与持续改进工作，用户问题解决、需求分析识别，与软件厂商持续开展持续改进提升工作。
7、组织召开项目会议，协调各方资源，及时沟通项目进展与问题，确保项目信息在团队内有效传递。
8、用户沟通与服务：与用户保持密切沟通，提供解决方案、演示方案效果，解答疑问，收集反馈，提供技术支持、培训，提升用户满意度。基于客户反馈，对解决方案进行优化调整，确保方案持续满足用户需求。
1、数据整合与治理：从各工艺板块收集实验数据（Excel记录、LIMS导出、设备输出文件等），建立统一的清洗和标准化流程；识别和处理数据质量问题（缺失值、异常值、批次效应、命名不一致）；建立并维护结构化的数据集目录，为ML建模提供高质量数据底座；
2、统计分析与可视化：使用统计方法（假设检验、ANOVA、回归分析、方差分量分析）支撑工艺开发和QC数据分析；为各板块制作标准化数据看板（Tableau/Power BI或Streamlit），如批次趋势监控、CQA月度汇总；参与OOS/OOT调查的数据分析支持；
3、AI Champion培训与支持：牵头设计并实施AI Champion基础培训课程（Python入门→数据处理→ML概念）；作为AI Champion的日常技术支持第一联系人，解答数据工具使用问题；编写数据操作的SOP文档和培训材料；
4、探索性分析（EDA）：在ML工程师建模前完成探索性数据分析，识别数据特征和潜在规律；支持快速ad-hoc分析请求（如历史批次某质量属性的波动统计分析）。
1. 参与前端项目的前期需求分析，与产品、模型端、后端协作，明确功能目标和技术实现方案。
2. 负责前端系统架构设计、模块划分，制定开发计划和技术文档。
3. 使用Vue、TypeScript等完成业务页面和组件的开发，保证代码可读性、可维护性和性能。
4. 对前端性能进行监控和优化，保证页面加载速度、交互流畅度和兼容性。
5. 根据业务需求，完成API对接、SSE/WebSocket实时通信、文件上传下载等功能的开发与集成。
6. 负责PC端与H5端多端适配，保证在不同设备和分辨率下的良好体验。
7. 参与AI相关功能的前端开发，如大模型流式输出展示、AI对话界面、智能辅助决策等，提升人机协作体验。
8. 具备前后端联调能力，能参与接口设计、数据库设计或Node中间层开发，协助前后端联调与问题排查。
1、AI智能体设计与开发 负责公司AI智能体（Agent）的设计、开发与运维，搭建自动化业务流程，提升业务运行效率。
2、AI门户建设与运营 主导公司AI应用门户的规划与建设，整合内外部AI能力，打造统一的AI服务入口，持续优化用户体验。
3、垂类模型应用落地 结合制药行业业务场景，探索并落地垂直领域AI模型应用，包括但不限于文档智能、质量分析、工艺优化等方向。
4、数据中台与知识库建设 负责公司数据中台架构设计与建设，推进知识库体系的构建、管理与持续运营，支撑数据资产化与智能化应用。