薪酬概览
平均月薪
¥8900
中位数 ¥9000 ｜ 区间 ¥6900 - ¥10900
数据来源：谈职全网11份招聘数据；更新时间：2026年7月13日
月薪分布
63.6% 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
5月新增岗位
15
对比上月：岗位减少52
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 |
|---|---|---|
| 不限经验 | 15 | 100% |
热招职位
1. Provide everyday wind technicques and providing wind resource consultation service for all GWI departments.
为GWI各部门提供日常风电技术和风电资源咨询服务
2. Compile reports on sales and wind resource analysis and model-selection.
编制销售报告和风能资源分析及选型报告。
3. Investigate the the wind power sites and compile investigation reports
对风电站点进行调查，编写调查报告
4. "Conduct the microcosmic and spot location-selecting; Compile reports and participate in the appraisal of plans.
进行微观和现场的选址；编写报告，参与计划评审
5. Organize the Guidline management
组织指导方针的管理
6. Organize wind power research and compile research reports
组织风电研究，编写研究报告
7. Collect the market information and technical demand; Provide feedback to directors of departments and information administrator.
收集市场信息和技术需求；反馈给部门主管和信息管理员
8. Provide PC guarantee work，including PC document compile，biding support，investigate the related items of TSA contract
提供PC保障工作，包括PC文件的编写，投标支持，调查TSA合同的相关项目
9. Provide post evaluaiton of Exiting wind farm，PC test assistant
提供现有风电场的后评估，PC测试助理
10. Complete other tasks assigned by Director or the company
完成交办的其他任务
1.负责AT变速器控制系统需求开发、模型开发、模型测试、系统测试
2.编制AT变速器控制系统技术方案、技术标准、DFMEA等相关技术文件
3.负责分析AT变速器控制系统开发中相关问题，制定解决方案
4.支持生产及售后服务，解决产品缺陷，制定产品改进方向
5.负责实施传动控制专业建设和知识积累6..负责完成上级交办的其它工作
1、负责发动机整机结构方案布置及优化
2、负责整车机舱适配
3、负责发动机总成相关技术文件、标准等编写
4、负责发动机产品指标达成
5、负责发动机产品开发过程管理
1、负责车载网络总线（CAN/CANFD/LIN/Ethernet）的通信矩阵设计。
2、负责车载网络总线（CAN/CANFD/LIN/Ethernet）的通信规范设计及优化。
2、参与设计整车网络拓扑；。
3、负责整车网络管理，整车路由规范方案的设计及优化。
4、参与车辆电子电气配置和功能定义；
5、负责保证控制器通信协议质量。
1. 负责海上风电漂浮式基础水动力仿真模型搭建；
2. 运用水动力仿真软件，验证设计方案的合理性，并提供相关仿真模型及设计报告
3 协助进行浮体结构、系泊系统优化。
* 负责AWS 公有云海外业务的日常运维管理，包括云主机、存储、网络及容器服务的部署、监控与调优，确保服务可用性达99.95%以上。
* 设计并实施自动化运维方案，通过工具链（如Ansible、Prometheus、Kubernetes）提升运维效率，减少人工干预。
2. 高可用与容灾多活体系建设
* 主导业务系统的容灾多活架构设计，包括异地多活、集群容错、数据同步，保障故障场景下业务分钟级恢复。
* 构建混沌工程演练体系，定期进行故障注入测试，验证系统容错能力并优化应急预案。
3. SRE流程与质量保障
* 建立端到端监控告警体系，实现故障的快速定界与自愈（如智能熔断、流量调度），将MTTR（平均修复时间）控制在 5 分钟内。
* 推动运维能力与研发流程融合，通过CI/CD流水线保障发布质量，降低变更引发的线上风险。
4. 成本与资源治理
* 分析云资源使用率（CPU/内存/存储），制定弹性伸缩策略与资源优化方案，实现降本增效。
Cloud LLM Agent 系统研发工程师【2027届校招】
关于我们
我们致力于构建新一代大模型系统基础设施，让大模型不仅能“对话”，而是能够在真实业务和自动驾驶研发场景中稳定运行、可控执行并持续进化。
本方向聚焦云端 LLM Agent 系统、工具调用、工作流编排、多 Agent 协同和生产级 Agent Infra，强调工程能力、系统设计能力和面向真实业务场景的稳定落地能力。
岗位职责
作为 Cloud LLM Agent 系统研发工程师，你将参与构建面向真实业务场景的云端 Agent 基础设施，主要工作包括：
参与构建云端 LLM Agent 系统，包括工具调用、任务执行、工作流编排和多 Agent 协同能力。
设计和实现 Agent 执行框架，包括状态管理、任务调度、上下文管理、记忆机制和执行恢复。
对接内部系统、研发工具链和数据平台，建设自动化任务执行能力。
优化 Agent 系统的稳定性、延迟、成本和可观测性，支持生产环境持续运行。
建设 Agent 评测、回归测试、badcase 分析和效果迭代体系。
与模型训练和端侧部署团队协作，推动 Agent 场景下的模型能力优化和工程闭环。
任职要求
计算机相关专业本科及以上学历
扎实的计算机基础，包括数据结构、操作系统、网络、分布式系统等。
熟悉至少一种编程语言（Python / Go / Java / C++）。
对大模型、Agent 系统或 AI 应用工程有基本了解或强兴趣。
具备良好的工程动手能力、问题定位能力和系统设计意识。
能阅读英文技术文档。
加分项（非必须）
有 LLM Agent、RAG、工具调用、工作流引擎或自动化系统项目经验。
熟悉 LangChain、LlamaIndex、AutoGen、OpenAI / Anthropic / LiteLLM 等相关框架或 API。
熟悉 Kubernetes / Docker / Linux 环境，有服务端系统开发经验。
有异步任务调度、状态机、消息队列、事件系统或分布式系统经验。
有模型评测、prompt engineering、上下文压缩、记忆系统或 Agent 安全控制经验。
有开源项目或工程实践经验。
我们提供的成长机会：
深度参与生产级 Cloud LLM Agent 系统从框架设计、工具接入到线上运行的完整工程链路。接触真实业务和自动驾驶研发场景中的 Agent 落地问题。建立大模型应用系统在稳定性、可观测性、成本和效果迭代上的系统化经验。与训练、部署和业务团队协作，理解 AI Agent 从 demo 到 production 的关键工程挑战。
岗位描述：
1. 负责企业IT基础设施（服务器/网络/存储/动环系统）的日常监控、维护及性能优化，保障业务系统稳定运行。
2. 负责虚拟化，公有/私有云平台的平台部署与日常运维管理，保障业务稳定性。
3. 实施运维自动化方案，使用Ansible等工具实现配置管理、批量部署等自动化运维场景。
4. 负责设备安全加固，包括系统漏洞修复、安全基线配置、入侵检测等安全运维工作。
5. 管理中间件集群（如Redis/Nginx/Kafka等），设计高可用架构并优化性能。
6. 完善监控告警体系，通过Zabbix/Prometheus等工具实现故障预警与快速定位。
7. 参与运维标准化建设，编写技术文档并推动最佳实践落地。
1、负责推动数据安全解决方案落地；
2、负责应用系统的安全评估；
3、推动数据泄露风险的整改；
4、为数据泄漏监控与应急提供信息输入。
C/C++软件开发工程师(自主PDC-应用软件和中间件)-T6
1. 负责自主PDC域控制器相关系统/软件方案设计与开发；
2. 负责域控功能定义、接口管理及技术问题分析；
3. 负责域控制器技术规范及开发过程质量控制。
【课题说明】基于承接全球最大规模外卖业务的即时配送系统进行最前沿的端到端调度决策研究，业务影响力与研究深度并重。可以接触最前沿的调度决策体系，服务于百万级骑手、千万级订单，快速拓宽技术、业务视野。团队氛围好、研究实力强，已发表多篇顶会论文，团队工作入选2023年Franz Edelman奖，在行业内具有卓越水平。【建议研究方向】1.调度大规模实时OR+ML研究：针对调度系统内多样的调度决策行为进行分析，包括但不限于过滤、压单、指派、推荐、改派等，尝试基于深度学习、强化学习等方法对已有的调度决策行为进行端到端建模，提升调度效果。
2.时空大模型在骑手行为方向研究：基于SOTA的时空大模型研究，探索针对调度系统分城市、分业务、分时段的差异化特点，基于每天百亿量级骑手路径和行为数据，探索统一的模型预测、决策能力，提升调度决策系统在不同场景下的适配能力。
3. 基于长周期收益的多对一匹配问题研究：基于订单结构挖掘与优质骑手行为学习，实现多对一订单-骑手匹配问题的分布式实时（秒级）求解，同时合理刻画订单匹配长周期收益，实现调度匹配序贯决策时空全局优化，将日益增长的订单密度，在性能约束下极大程度兑现为骑手效率增益。