薪酬概览
平均月薪
¥10600
中位数 ¥8000 ｜ 区间 ¥8800 - ¥12400
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
55.6% 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 | 2 | 28.6% |
| 不限经验 | 5 | 71.4% |
热招职位
1、负责视觉-语言大模型(VLM)研发与优化，推动中医智能诊疗、医学图像分析等场景的端到端算法落地。
2、针对舌象、面色、关节等多类医学图像，开发分类、检测、分割及异常检测算法，支撑辅助诊断与健康评估。
3、设计跨模态融合架构，实现图像、文本等多源数据的协同建模与联合推理。
4、基于LLM/VLM进行SFT、RLHF、LoRA等微调，优化辨证论治、报告生成、医学问答等任务，提升临床实用性。
5、开发具备自主推理与工具调用能力的Agentic智能体，覆盖辅助诊断、用药监测、随访管理等自动化场景。
6、构建医学知识图谱，结合RAG技术增强模型可解释性与专业可信度。
7、跟踪前沿技术，探索创新应用，确保算法符合医疗伦理与监管要求。
1.有 Learned Motion Matching、运动扩散模型、物理引导生成等前沿方案的落地或复现经验；
2.熟悉动作数据管线（动捕数据清洗、重定向、标注、质量评估）与大规模动作数据集构建；
3.熟悉推理框架与端侧部署工具链（ONNX / TensorRT / NCNN /引擎内推理），有模型量化、裁剪、加速经验；
4.有强化学习物理控制（DeepMimic / AMP / ASE / CALM 等）落地经验；
5.有多模态模型训练经验（如文本 / 音频 / 视频 / 动作等跨模态对齐与联合建模）；
6.有实际上线的游戏项目动画系统研发经验，或角色动画、3D 内容生成相关背景。
研发管理部，建设公司代码托管协作平台“工蜂”；构筑研发协作与项目管理平台TAPD；创造开放包容的一站式社区平台KM；提供技术问答、技术比赛、技术圈子交流平台“码客”；搭建校企合作桥梁，高校科研合作推进科技创新和前沿科研人才培养。研发管理部让分享更简单，让协作更敏捷，为梦想创造可能！
1、监管解读：持续跟踪并解读国家金融监督管理总局、属地监管机构、行业协会等发布的最新法规、指引和通知，按各级监管要求落实数据质量提升
2、制度建设：制定并维护《监管报送管理办法》等管理制度，及时响应外部监管变化进行新增及修订
3、规划落地：给出监管重点事项规划和方案设计，制定详细计划并推动执行落地
4、报送管理：编制月度/年度报送日历，监控关键时间节点，按时完成每月增量报送/年度重报等
5、数据治理：对发现问题进行定性归因，明确责任主体，确保存量问题动态清零；制定总分联动考核方案，定期跟踪执行成效，提升报送数据质量
1. agentic ai工程架构：主导agentic ai的工程架构设计、选型及实施工作。持续追踪行业领先的agentic ai架构，设计支持复杂决策、工具调用与协同工作的底层系统框架，为智能体应用提供稳定可靠的运行环境。
2. 研发质量及性能优化：构建和完善agentic ai实践流程与工具链，实现执行式智能体的开发、部署、监控与治理的全生命周期自动化管理，提升 agentic ai 研发与运维的质量、效率及研发合规工作。结合业务场景对性能(TTFT/TPOT/吞吐）的需求，不断系统性能，包括但不限于推理性能、执行链路优化、工具优化等。
3. 知识工程平台设计与实现：知识工程平台设计开发，包括数据采集、解析、抽取、向量化、存储到服务化的全链路技术方案。确保系统具备高可用、高并发、可扩展及易维护的特性。
前端架构与全栈开发 (核心 - 约 70%) 核心研发：负责公司核心产品的前端功能开发，编写高质量、可复用、易维护的 React 组件，全面应用 TypeScript 确保类型安全。 全栈打通：参与 Java 后端微服务（基于 Spring Boot/Dubbo）的业务逻辑开发，独立负责从“数据库设计 - API 定义 - 页面高交互 UI 渲染”的完整闭环功能。 工程优化：负责前端性能优化、构建工具（Vite/Webpack）配置以及 CI/CD 流程的持续改进。 AI 效能与工作流构建 (特色 - 约 30%) AI 工具实践：在日常开发中深度应用 AI Coding Agent（如 Cursor, Copilot Workspace, Windsurf, Cline 等），利用 AI 加速代码生成、单元测试编写、Bug 排查及重构。 工作流交付与提效： 主导或参与将 AI 工具转化为标准化研发工作流的建设（如：结合 Model Context Protocol (MCP) 接入内部工具链、设计高效的提示词/上下文编排等）。
1. 需求洞察与方案设计：深入客户业务一线，挖掘痛点，转化为技术方案。
2. 技术交付与集成：主导端到端交付，包括原型开发、系统集成、部署调试。
3. 项目管理与客户成功：独立管理项目全周期，推动落地并实现业务价值。
4. 反馈闭环与产品迭代：作为连接市场与研发的"神经末梢"，带回一线反馈。
参与平安集团智能理赔系统的研发，利用大语言模型（LLM）、多模态理解与知识图谱技术，构建“从客户材料到赔付决策”的全自动审核引擎。 主要职责： - 参与 AI 理赔审核系统的研发，协助构建多模态文档（医疗影像、保单 PDF）的信息提取，实现对客户提交材料的理解与判别； - 设计并实现保单条款与理赔规则的结构化表示，支持大模型精准调用与推理； - 追踪大模型领域前沿技术，优化大模型提示工程（Prompt Engineering）、微调（Fine-tuning）与RAG（检索增强生成）方案，提升模型在复杂理赔场景下的判断准确率； - 负责理赔案件数据的清洗、标注体系设计及高质量数据集的构建； - 参与系统开发，将AI模型能力集成到理赔流程中，支持高并发、低延迟的生产环境部署； - 编写技术文档、参与代码评审，持续优化系统稳定性与可维护性。
1.营销 Agent 架构设计与实现 基于 LLM 构建具备自主规划（Planning）能力的 Agent 系统。针对营销策略拆解、创意生成、广告投放优化等环节，设计并实现 ReAct、CoT (Chain of Thought)、ToT (Tree of Thoughts) 等推理架构。
2.多模态工具链集成 (Tool/Action Use) 研发高效的 Function Calling 与 API 编排机制，使 Agent 能够精准驱动视觉生成引擎、投放平台 API 及企业内部数据库，实现从内容生产到自动化分发的无缝衔接。
3.记忆与知识管理系统 (Memory & RAG) 构建面向营销场景的长期记忆机制与高性能 RAG (Retrieval-Augmented Generation) 系统。整合行业知识库、历史成交案例、品牌调性约束，确保 Agent 在长周期线索跟进中的上下文一致性与专业度。
4.业务闭环驱动的强化学习与对齐 利用业务端产生的真实转化数据（线索质量、成交率），优化 Agent 的决策逻辑，使 Agent 的推荐策略与生成内容向高转化率目标演进。
1、数仓设计与开发：客用户画像体系数仓设计、开发、测试，包括数据分层、模型设计、ETL流程开发及性能优化，支撑实时/离线数据处理需求。
2、业务数据分析：支持画像、漏斗、行为等个人金融业务营销、风控、运营等领域的业务数据分析。
3、技术研究与创新落地：跟踪大数据技术及AI在金融领域的应用，推动数仓架构智能化升级；优化数据存储与计算效率。