wuyang
46 lines
1.8 KiB
Markdown
46 lines
1.8 KiB
Markdown
# Jobs
|
|
|
|
这里持续收集北京大厂 Agent / LLM 相关岗位要求。
|
|
|
|
重点不是保存 JD 原文，而是分析市场正在要求哪些能力、哪些能力正在变成基础门槛、哪些方向值得补论文和实验。
|
|
|
|
## Structure
|
|
|
|
- [items](items/README.md): 每条岗位一个 Markdown 文件
|
|
- [schema](schema.md): JD 笔记字段和写法
|
|
- [source-registry](source-registry.md): 来源优先级、目标公司、搜索方式
|
|
- [skill-taxonomy](skill-taxonomy.md): 岗位能力标签体系
|
|
- [market-insights](market-insights.md): 周期性趋势总结
|
|
|
|
## Collection Questions
|
|
|
|
- 北京大厂有哪些 Agent / LLM 相关岗位？
|
|
- 这些岗位反复要求什么技能？
|
|
- 哪些技能是硬门槛，哪些是加分项？
|
|
- 不同公司对 Agent 的理解有什么差异？
|
|
- 哪些岗位要求能反哺到论文阅读、实验和项目规划？
|
|
|
|
## Workflow
|
|
|
|
1. 收集岗位链接或原始 JD。
|
|
2. 用 [jd-note](../templates/jd-note.md) 建立结构化笔记。
|
|
3. 按 [skill-taxonomy](skill-taxonomy.md) 打标签。
|
|
4. 更新 [market-insights](market-insights.md)。
|
|
5. 把稳定结论回流到 `docs/`、`papers/`、`experiments/` 或 `projects/`。
|
|
|
|
## Initial Scope
|
|
|
|
- time window: 滚动最近 6 个月，优先全量收集范围内岗位
|
|
- location: 北京优先
|
|
- companies: DeepSeek、腾讯、字节、阿里、百度、美团、快手、京东、小米、商汤、智谱、月之暗面等
|
|
- role keywords: Agent、LLM、AIGC、大模型应用、RAG、AI Infra、模型评估、智能体、代码智能、AI 产品
|
|
|
|
## Primary Goal
|
|
|
|
JD 收集的主要目标是观察岗位需求变化：
|
|
|
|
- 同一公司是否从研究转向产品落地。
|
|
- 同一岗位是否开始要求评估、数据飞轮、Agent 工程化或部署能力。
|
|
- Agent 相关词汇是否从加分项变成硬性要求。
|
|
- 北京岗位和其他城市岗位是否体现不同团队布局。
|