深圳销售支持文员
销售支持文员是负责协助销售团队进行日常工作的专业人士。他们的主要职责是处理销售相关的文书工作，包括报价、合同、订单等文件的准备和处理。此外，销售支持文员还负责与客户进行沟通，处理订单的跟踪和跟进。他们需要协助销售团队与客户之间的信息传递，解决客户的问题和投诉，并在需要时向销售团队提供支持。此外，销售支持文员还可能负责整理销售数据和报告，以便销售团队更好地了解市场趋势和客户需求。总之，销售支持文员在销售团队中扮演着重要的协助和支持角色，帮助销售团队达成销售目标。
薪酬概览
平均月薪
¥8200
中位数 ¥8000 ｜ 区间 ¥6500 - ¥9800
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
60% 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
8
对比上月：岗位新增3
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 | 71.4% |
| 1-3年 | 2 | 28.6% |
热招职位
1，负责在CRM系统里回款挂账，货物签收，发货申请流程的审批，SAP系统操作；
2，负责国际快递进出口物流，国际海空陆运物流相关的计算货量，询价，订舱，安排运输，制作报关文件和清关文件，跟进运输总进度等；
3，核对账单和请款。
1、客户需求分析和技术咨询答疑，引导客户选用合适的产品和方案，和销售配合做好售前工作。
2、产品宣讲与市场推广，向目标客户进行产品推介，包括客户端技术交流、论坛演讲、展会讲解等
3、营销工具的制作，如销售指导书、产品选型手册、PPT演示文件、销售培训资料、网站;
4、产品技术支持，协助销售参与招投标与项目运作，负责技术方案编制、技术投标文件编写、技术协议谈判等。
5、支持海外户储和工商储的项目落地，并参与现场服务，协助项目交付。
1、协助分公司解决前期项目谈判的技术问题及答疑；
2、负责电梯井道设计及施工项目图纸绘制；
3、负责销售合同及标书的技术评审。
TSE技术销售工程师（深圳）10000-15000元/月
1. 到客户研发部门推广公司产品并应用到客户开发设计的新产品中2. 帮助客户选择系统方案，元件选型，审核电路3. 解决客户在使用公司产品中出现的问题，提供快速周到的技术支持，推进产品的项目设计，确保客户量产的顺利进行4. 为代理商和客户提供技术培训5. 协助销售人员取得订单任职要求：
1. 电子类相关专业本科及以上学历2. 熟悉DC/DC和充电管理工作原理，熟悉功率元件的应用，对于电路理论有一定的理解3. 具备电源电路分析和调试能力，具有快速定位线路bug的能力4. 熟悉移动电源、充电器、电池管理等应用市场，具有3年以上相关线路及PCB设计经验和系统调试经验5. 有很好的沟通协调能力、客户服务意识和团队合作精神6. 具有高度责任心和主动性，能在压力下工作，并积极创造项目设计成功的机会
1、背景要求： 计算机、人工智能、自动化、机器人等相关专业在读硕士或博士，表现特别优秀的本科生亦可；
2、理论基础： 具备扎实的深度学习基础，熟悉 Transformer 架构，对 ViT、CLIP、LLaVA 等主流模型有深入理解；
3、编程能力： 精通 Python，熟练使用 PyTorch 框架，具备良好的代码风格和算法实现能力；
4、学习能力： 具备优秀的逻辑思维和文献阅读能力，能够快速理解并实现前沿论文中的核心思想；
5、实习时间： 每周可实习 4 天以上，持续时间不少于 4 个月（半年以上优先）。
加分项：
科研成果： 在 CVPR, ICCV, NeurIPS, ICRA, IROS 等顶会发表过相关论文者优先；
项目经验： 有扩散模型（Diffusion Model）、强化学习（RL）、或大型开源项目（如 OpenVLA, Pi0 等）贡献经验者优先；
机器人背景： 熟悉 ROS/ROS2，有真机调试经验或物理引擎仿真（如 Isaac Gym, Sapien）经验；
竞赛经历： 在知名 AI 竞赛或机器人挑战赛中取得优异成绩。
1、计算机、人工智能、自动化等相关专业本科及以上学历（硕士优先）；
2、具备扎实的深度学习基础，熟悉 Transformer 架构，对 ViT、CLIP、LLaVA 等主流模型有深入理解；
3、有大模型（VLM、LLM）训练经验，熟悉其在多模态任务中的应用；
4、对机器人技术有浓厚兴趣，愿意参与真机测试等实践性工作；
5、熟练使用 PyTorch、TensorFlow 等深度学习框架，具备良好的工程能力和代码实现能力；
6、良好的团队协作与沟通能力，具备快速学习和解决问题的能力。
【加分项】
1、有机器学习或深度学习项目经验，了解多模态模型的基本概念；
2、对人形机器人、智能操作等方向有强烈兴趣；
3、熟悉Linux系统和基本的命令行操作；
4、有机器人相关课程或项目背景。
1、计算机科学、软件工程、机器学习或相关领域的本科及以上学历，硕士或博士优先；
2、掌握pytorch的使用，对训练流程中主要模块的细节有研究；
3、对常见模型训练优化有了解, 例如训练加速和显存优化技术。对推理框架vllm & sglang的技术细节有了解；
4、具有扎实的编程能力且具有一定的算法理论基础，精通Python；
5、乐于探索前沿新技术并在实际场景中落地。
【加分项】
1、对常见机器学习平台的使用有了解；
2、理解深度学习原理和分布式训练框架（如deepseed & megatron & fsdp）；；
3、有参与过LLM & VLM的预训练或者微调, 了解模型的训练评估细节以及模型结构设计
4、有参与过端侧模型部署或者服务端模型部署, 有推理框架开发经验或者算子优化经验。
1. 本科及以上学历，计算机、电子、自动化、机器人工程等相关专业。
2. 良好的沟通协作与自我驱动力，对机器人行业充满热情。
3. 2年以上智能硬件 / 机器人测试经验；具备软硬件结合产品测试经历。
4. 熟悉 Linux 或 RTOS 的基本操作及调试；能使用示波器、逻辑分析仪等硬件调试工具。
5. 至少掌握一门脚本 / 编程语言（Python、C++、MATLAB 等）用于测试自动化或数据分析。
6. 了解机器人系统架构（运动控制、感知、多传感器融合等），有服务机器人或人形机器人测试经历者优先。
7. 了解常用机器人测试工具 / 平台（Gazebo、Webots、ROS Test、Robot Framework、Jenkins 等）或 CI/CD 流程优先。
1、教育背景： 计算机、人工智能及相关专业硕士或博士；
2、技术功底： 扎实的 Python/C++ 基础，精通 PyTorch 及分布式训练工具；
3、核心能力：
（1）深入理解 Transformer 架构，熟悉主流大模型（如 GPT-4o, Qwen-Audio, RT-2 等）原理；
（2）了解音频特征提取及 Audio Tokenizer（如 EnCodec, AudioDec）基本原理；
（3）有 Agent 框架（LangChain, AutoGPT 等）开发经验或多模态对齐经验者优先；
4、综合素质： 具备良好的学术前瞻性或工程落地能力，能解决非结构化环境下的鲁棒性挑战。
1、负责无人机、具身智能等产品及其组件的可靠性设计分析，合理定义产品可靠性目标，利用FMEA、FTA、可靠性设计审查等分析手段，识别并减缓产品的可靠性风险；
2、负责制定无人机、具身智能产品或其部组件的可靠性测试规范、测试计划、测试用例，通过针对性测试全面暴露产品风险；
3、参与部组件的导入流程，确保导入的部组件的高可靠性4、按照研发流程参与设计阶段可靠性评审工作；
5、参与产品的故障定位和失效分析、故障数据分析，推动产品可靠性的优化和改进措施的落地。
6、主动探索并运用各类AI工具优化可靠性工作流程，积极推动AI在业务场景中的落地实践，持续提升个人及团队的工作效率与产出质量；
1. 参与构建可扩展、高效和可靠的Agent框架，负责AI Agent引擎的设计、开发和优化，以支持企业级应用。
2. 跟踪AI领域的最新研究进展，评估并整合新技术以提升Agent的智能决策能力。
3. 与产品和业务团队紧密合作，理解业务需求，将需求转化为技术解决方案。
4. 编写高质量的代码，并进行单元测试和集成测试，确保代码的稳定性和可维护性。
5. 编写技术文档，为团队成员提供技术指导和支持。
1、核心NLU引擎研发：负责意图识别、实体抽取、情感分析、文本分类等核心NLU任务的算法设计、模型训练与优化。针对特定业务场景，构建高精度、高鲁棒性的NLU模型，并持续迭代提升效果。跟踪NLU领域的最新研究成果，并将其应用于实际业务中。
2、LLM-basedAgent构建：设计和开发基于大语言模型的智能体框架，实现复杂的任务规划、推理和工具调用。负责多轮对话管理、上下文理解和状态追踪模块的研发，打造流畅、智能的对话交互体验。探索Agent的自主学习和决策能力，使其能够完成开放域、多步骤的复杂任务。
3、RAG技术应用与优化：设计并实现高效的检索增强生成（RAG）系统，结合向量检索与大语言模型，提升回答的准确性、时效性和可追溯性。负责文档切分、向量化、索引构建以及召回、排序等全链路模块的优化。研究并解决RAG系统中的常见问题，如信息噪音、召回不准、知识冲突等，并有效减少模型幻觉。
4、工程与落地：负责算法模型的工程化部署、性能优化和线上服务的稳定性维护。与产品、工程团队紧密合作，深刻理解业务需求，推动AI技术的快速落地和商业化应用。构建完善的评测体系和数据闭环，驱动模型和系统持续改进。