技术研发岗位有哪些？技术研发岗位一览

大数据工程师处理海量数据的存储、计算和治理，支撑离线/实时分析和数据产品。本指南覆盖岗位职责、技能要求、发展路径和面试准备。

运维开发工程师通过自动化和工程化手段提升系统的构建、发布和运行效率。本指南覆盖岗位职责、技能要求、发展路径和面试准备。

后端工程师设计和实现服务端业务逻辑、数据存储和接口，保证系统的可靠性。本指南覆盖岗位职责、技能要求、发展路径和面试准备。

全栈工程师在一个功能内跨前端、后端和数据层完成端到端交付。本指南覆盖岗位职责、技能要求、发展路径和面试准备。

数据分析师把业务问题转化为数据问题，通过清洗、分析和可视化回答决策者的问题。本指南覆盖岗位职责、技能要求、发展路径和面试准备。

数据工程师搭建数据的采集、转换、存储和服务管道，让分析侧和产品侧能信任数据。本指南覆盖岗位职责、技能要求、发展路径和面试准备。

算法工程师把算法方法变成可评估、可上线、可监控的产品能力。本指南覆盖岗位职责、技能要求、发展路径和面试准备。

测试开发工程师通过自动化测试框架和工具链提升研发效率和发布质量。本指南覆盖岗位职责、技能要求、发展路径和面试准备。

安全工程师保护系统、数据和用户免受未授权访问和攻击，覆盖防御、检测和响应。本指南覆盖岗位职责、技能要求、发展路径和面试准备。

微电网管理员跟踪分布式电源、储能和负荷状态，协同运行与维护工作，为微电网可靠运行和能源管理提供支持。

AI Agent 工程师负责把大模型接上工具与数据，做成能自己拆解任务、多步执行的智能体。

算法工程师用数据和模型解决业务问题，方向差异极大，从推荐搜索到大模型都归在这个名下。

预训练工程师负责从零训练大模型的基座，工作重心在数据配比、训练稳定性与大规模算力调度。

RAG 工程师负责让大模型基于企业自有资料回答问题，核心是把「检索得准」这件事做好。

FDE（前沿部署工程师）是直接进到客户现场写代码的工程师，既要摸清客户的真实业务流程，也要把通用产品改成这个客户当天就能用的样子。

Agent 工程师负责开发 AI 智能体，将大语言模型、工具和业务流程结合，并通过评估、权限控制与运行监测保障任务执行。

数字孪生工程技术人员连接实体设备与数字模型，维护数据同步和模型验证，为运行分析与方案评估提供支持。

具身智能机器人应用技术员负责机器人现场部署、调试、训练支持和运行维护，帮助设备稳定完成具体物理任务。

运动数据分析师整理训练与比赛数据，结合运动情境分析表现变化，为教练和运动团队提供可复核的决策依据。

AIGC视频生成算法工程师研发视频生成模型，研究时序一致性、条件控制与训练方法，并通过系统评测验证生成质量。

大模型后训练工程师通过微调、偏好优化及相关实验改善模型行为，结合可靠评测验证任务收益与能力变化。

大模型评测工程师构建测试任务、评分方法与评测管线，分析模型能力和回归变化，为研发与发布提供可信依据。

AI可解释性工程师分析模型内部表示和计算机制，通过对照与干预实验检验行为解释，建设可复用的研究工具。

AI安全防护工程师开发风险识别和防护机制，评估误拦与漏检，持续改进AI产品在实际场景中的安全使用表现。