ML/AI Engineer
把模型变成产品——OpenAI API 调用、RAG 系统、模型部署到 AWS、上线监控;标题里有 LLM / Agentic / GenAI / AI Engineer。
544 条岗位的核心标题是「ML Engineer / AI Engineer / Python Agentic AI Engineer / LLM Engineer」。top 公司 TikTok、OpenAI、ByteDance、Anthropic、Adobe。这条线和 sde 最大区别是:必须懂 LLM / embedding / eval / RAG / vector DB——SDE 可以不懂这些。和 ml_scientist 最大区别是:用现成模型而不是训新模型,工程化 + 上线能力比研究深度更被看重。中位月薪约 67k CNY/月、5 年经验中位,和 sde 中位接近但 p75 偏低(80k vs 106k)——天花板靠你能不能把工程能力 + LLM 实战做出深度。
JD 明确写出来的卡控项(学历 / 专业方向)+ 实际工作内容(职责短语原文)
学历分布
544 条样本高频专业 top 5
79 / 544 条 JD 提到(15%)CN/EN 同义词已合并(如「计算机」/「Computer Science」/「计算机科学」 → Computer Science)
高频职责短语 top 5
250 / 544 条 JD 写出职责(46%)- ×8Own account health, adoption velocity, and technical deployment
- ×8Conduct technical enablement and configuration sessions
- ×8Lead account level coordination across multiple workstreams
- ×8Facilitate workshops on use case design and adoption best practices
- ×8Serve as technical advisor for existing customer implementations
直接取 JD 中职责描述原文做简单计数,重复频次反映这岗位日常做什么
精选核心技能(手挑信号清晰的 5 项,不完全按计数排序)
完整技能分布 — Required(在 JD 中作为硬性要求) vs Preferred(加分项),按 JD 出现次数
工程背景 + LLM 产品落地经验、能搭 RAG / 评测 pipeline、读得懂 paper 但不靠 paper 找工作的人。
传统后端但没碰过 LLM 应用栈的人——必须能讲清楚自己做过什么 LLM 产品 / 项目。
用 API + 部署 vs 训模型 + 发论文——ml_engineer 上线服务,ml_scientist 写实验报告。
- ·Python Agentic AI/ML Engineer
- ·Director of Engineering - AIDD Product Engineering
- ·AI Engineer - AI/ML/LLM/GenAI
- ·AI Engineer Software
- ·AI Agent Engineer
- ·Machine Learning Engineer (L4/L5) - Emerging Game Technologies
- ·Senior Machine Learning Engineer
- ·AI Software Engineer
薪资 = 月薪人民币口径(海外岗已用各币种汇率换算 ÷12 月化)。样本量小于 30 的分位值参考性弱。