帆软社会招聘 84 个岗位全量扫描与自我匹配评估
本文对帆软招聘官网「社会招聘」页面的全部在招岗位做全量扫描。此前三轮评估都围绕幻方&DeepSeek 展开：单个岗位的逐条分析见DeepSeek「Agent Infra 研发工程师」岗位分析与自我匹配评估，全量扫描见DeepSeek 研发岗位全量扫描与自我匹配评估，一个月后的增量复盘见DeepSeek 招聘更新复盘：37 个在招岗位对比与投递策略修订。帆软是本轮求职调研拉进来的第二家公司，筛选与打分的口径与前三次保持一致。
结论先行：帆软 84 个在招岗位里，与我匹配度最高的是三个——一体化平台的「后端开发工程师【AI团队】」、同为一体化平台的「fde工程师」（官网在列表里给了它最高一档的优先级标记）、数据分析商业化中心的「后台开发工程师」。
三者的共同点是把「Go/Java 后端 + 数据湖与大数据 + 公开技术输出」写进了同一条 JD，而这个组合恰好是本博客已经证明的部分。
真正的新信息只有一条：帆软把 FDE（前向部署工程师）做成了正式岗位，并且给了最高优先级——这正是我在《FDE（前向部署工程师）岗的核心学习方法》里当作目标画像的那个角色。
两条需要提前说清的约束：帆软的社招岗位大量带有「毕业 3 年内」「毕业 5 年内」「重点院校」这类筛选词，公司的用人底色是校招自培养、内部转岗优先；薪酬则几乎全部写着「面议」，84 条里只有 4 条给出了具体数字。
一、抓取口径与岗位地图
抓取时间是 2026-09-22。帆软的社招列表页是一个由页面自身 POST 接口驱动的分页列表：请求参数为 job_cate、types、filter、departs、citys、page、w、cv，每页返回 10 条，本次共取 9 页 84 条。每条记录里的 duty 与 requirement 字段就是 JD 原文，本文的所有引用都来自这两个字段。
需要先说明一处与 DeepSeek 那篇的差异：帆软官网不展示岗位的发布时间，返回数据里的 update_date 字段全部为空。这意味着本次只能做首次全量扫描，无法像 9 月 8 日那篇一样做「逐条对比上轮变化」的增量复盘。
职能分布：一家「产品 + 服务」公司的岗位形状
| 职能 | 条数 | 占比 |
|---|---|---|
| 客户交付与运营类 | 32 | 38% |
| 市场类 | 11 | 13% |
| 销售类 | 10 | 12% |
| 研发类 | 9 | 11% |
| 职能类 | 9 | 11% |
| 产品类 | 7 | 8% |
| 设计类 | 4 | 5% |
| 测试类 | 2 | 2% |
| 合计 | 84 | 100% |
研发与测试合计只有 11 条，占 13%；交付、销售、市场三类合计 53 条，占 63%。这个形状本身就说明了一件事：帆软是一家靠产品和服务网络赚钱的公司，技术岗位集中在少数产品线里。
部门分布：技术岗集中在三个地方
| 部门 | 条数 |
|---|---|
| 国内营销与服务线 | 27 |
| 简道云商业化中心 | 12 |
| 数据分析商业化中心 | 11 |
| 一体化平台 | 10 |
| 九数云商业化中心 | 7 |
| 公共支撑平台 | 7 |
| 国际及港澳台业务线 | 5 |
| 数据治理商业化中心 | 1 |
| AI中心 | 1 |
技术岗位的落点很清楚：一体化平台（10 条，含 AI 团队的后端与 FDE）、数据分析商业化中心（11 条，对应 FineReport、FineBI、FineDataLink 这条主产品线）、AI中心（1 条，大模型应用算法）。这三处合计 22 条，构成本文评估的主体，另加国内营销与服务线里的 FDE 解决方案工程师与项目经理。
城市分布：无锡为绝对中心
把多城市岗位按城市逐个计入后，排在前十的城市如下：
| 城市 | 出现次数 |
|---|---|
| 无锡 | 69 |
| 南京 | 36 |
| 杭州 | 17 |
| 上海 | 13 |
| 北京 | 9 |
| 深圳 | 9 |
| 广州 | 7 |
| 成都 | 6 |
| 长沙 | 6 |
| 武汉 | 5 |
其余城市各出现 3 到 4 次（福州、西安、宁波、南昌、厦门等）。84 条里有 27 条只在无锡招聘。
这与帆软公开的公司结构一致：总部在无锡，南京与成都设研发运营中心，另在 20 个城市有分支与 39 个线下服务网点。落地到投递决策上，这是一家「地点相对确定」的公司，不存在 DeepSeek 那边北京与杭州之间的反复权衡，代价是选择面也更窄。
优先级标记与薪酬
列表里的岗位名旁会带一个优先级图标（priority_level 字段），本次有 3 条标记为 4 级、16 条标记为 3 级，其余 65 条无标记。
- 4 级三条：一体化平台的 fde工程师、一体化平台的计算产品专家（数据分析/计算引擎方向）、简道云商业化中心的渠道售前经理（简道云）。
- 3 级中与本文相关的：一体化平台的后端开发工程师【AI团队】、数据分析商业化中心的 OLAP 计算引擎研发工程师、公共支撑平台的信息化工程师、AI中心的高级大模型应用算法工程师、国内营销与服务线的售前工程师与项目经理。
薪酬方面，84 条里 80 条写的是「薪酬面议」，只有 4 条给出数字：渠道销售经理（简道云）15-22k×15 薪、项目经理 12-16k 加驻外补贴 3-5k/月与年终奖、个人 ip 运营 11.5-16.5k、内容运营 11.5-15.5k/月。给出数字的岗位全部在销售、交付与市场一侧，技术岗一个都没有。结合官网「永不上市、利润共享，年终有同学拿到 4 个月、6 个月、12 个月乃至更多」的说法，帆软的薪酬结构更像是「中等月度现金流 + 高弹性年终」，谈薪环节因此比投递环节更关键。
公司侧的三条底色
- 产品线完整：FineReport、FineBI、FineDataLink、简道云、九数云、FineVis、E数通、FineEPM，另有 2026 年主推的 AI 智能分析产品 Moss 与 Dora；官网称已连续 8 年位列 IDC 中国商业智能市场第一，累计服务 43000 多家客户，2000 多名员工。
- AI 是加法，不是全部：84 条岗位里提到 AI 或 Agent 的有 17 条，但真正做 AI 的只有三条（AI中心的高级大模型应用算法工程师、一体化平台的 fde工程师与后端开发工程师【AI团队】），其余多是把 AI 写进既有岗位的加分项，例如销售工程师(AI) 要求能讲解 FineChatBI、智能报告与数据 Agent。
- 校招自培养的文化：官网首页写「70% 的同学都是通过校招的方式加入」，关于我们页写的是「80% 以上同学都是通过校招加入」（两处口径并不一致，此处照录），并强调内部转岗与内部竞聘信息公开透明、不招空降兵。
二、筛选口径
沿用前三次的「先排除职能不符、再逐一打分」口径，本次的排除规则如下：
- 排除销售类 10 条：销售工程师、大客户销售经理、渠道销售经理、SMB 销售工程师、线上销售工程师、销售工程师（简道云/九数云/国际组）、销售工程师(AI)、电话客服专员。这一类的 JD 明确写着「以销售作为自己的职业规划」，与我的方向不符。
- 排除市场类 11 条：战略生态、生态渠道运营、数字营销、内容运营、B 端内容运营、个人 ip 运营、市场 BD、用户生态运营专家、高管教育生态合作等，均为市场与运营职能。
- 排除设计类 4 条：交互设计师、交互设计专家、高级品牌设计师、品牌（AI）设计师。
- 排除职能类 8 条：课程培训专员、财务助理、商业分析师、新媒体运营、OD、HRBP 助理、业务及管理内训专家、反舞弊专员。
保留 51 条进入评估：研发类 9 条、测试类 2 条、产品类 7 条、客户交付与运营类 32 条，以及职能类里的信息化工程师——它是内部信息化的建设与运维，属于技术岗而不是专业职能岗。
三、匹配度总排序
打分口径与前三次一致：下表的评级由星级与百分比两部分组成，百分比是「JD 的硬性要求能被现有证据覆盖」的比例判断，星级只表示相对位置，不代表录取概率。以下按梯队分四张表给出。
第一梯队：三个主投岗位
| 岗位（部门 / 地点） | 评级 | 一句话判断 |
|---|---|---|
| 后端开发工程师【AI团队】（一体化平台 / 无锡、南京） | ★★★★★ 约 85% |
唯一一条把 Go、数据湖、Agent 实践与「持续写技术博客」同时写进要求的 JD |
| fde工程师（一体化平台 / 无锡、上海） | ★★★★★ 约 80% |
官网标记为最高一档（4 级），只要求 Agent 实践、项目管理与客户洞察 |
| 后台开发工程师（数据分析商业化中心 / 南京、无锡） | ★★★★☆ 约 75% |
传统后端主战场，缺的只是帆软产品线这一层业务知识 |
第二梯队：可以投，但各有门槛
| 岗位（部门 / 地点） | 评级 | 门槛在哪 |
|---|---|---|
| FDE 解决方案工程师（国内营销与服务线 / 无锡、杭州、上海） | ★★★★ 约 70% |
要求「2 年以上大模型技术落地经验」 |
| 运维工程师（一体化平台 / 无锡） | ★★★★ 约 65% |
岗位写的是「1~3 年工作经验」 |
| 信息化工程师（公共支撑平台 / 无锡） | ★★★ 约 60% |
岗位定位是内部支撑，天花板有限 |
| 项目经理（银行方向）（国内营销与服务线 / 南京、无锡） | ★★★ 约 55% |
银行行业经验与「重点院校」 |
| OLAP 计算引擎研发工程师 / 后端工程师（数据分析商业化中心） | ★★★ 约 55% |
要求 C++ 与 OLAP 引擎内部机制 |
| 定制开发工程师（数据分析商业化中心 / 无锡、南京） | ★★☆ 约 50% |
前端与生态开发者运营的部分 |
| 售前工程师 / 售前工程师（总部）（国内营销与服务线） | ★★☆ 约 50% |
职业方向从「做系统」转向「讲方案」 |
第三梯队：本轮不投
| 岗位 | 评级 | 主要原因 |
|---|---|---|
| 测试工程师（两条） | ★★ 约 40% |
面向「毕业 1~3 年」的候选人，且我没有专职测试履历 |
| 高级大模型应用算法工程师（AI中心） | ★★ 约 40% |
「精通 PyTorch」与「3 年 AI 实战」现在跨不过去 |
第四梯队：方向不符
| 岗位 | 评级 | 主要原因 |
|---|---|---|
| 产品类 7 条 | ★ 约 20% |
全部要求 1~5 年产品经验，我没有产品经理履历 |
| 行业咨询顾问 7 条 | ★ 约 15% |
要求对应行业的甲方或咨询背景 |
| 销售类、市场类、设计类与职能类其余岗位 | — | 与我的职业规划不在一条线上 |
四、第一梯队与准第一梯队详解
1. 后端开发工程师【AI团队】—— 唯一把「写技术博客」写进要求的岗位
这条 JD 的要求里有两句几乎是点名：
有Java/C/C++/GO等任意一种语言的编程实践，有spark、数据湖相关经验的，热爱计算机编程，有良好的算法基础、掌握数据库技能者优先
在github上有实际被多人使用的开源项目优先，持续写技术博客的优先
第二句在帆软的 84 条岗位里只出现过两次，另一条是第 3 名的后台开发工程师。放在 DeepSeek 那边，类似的要求写在前一篇扫描里的 Code Agent 数据工程师 JD 中，措辞是「公开可查的开源贡献或技术输出」；帆软这一条写得更直白，直接点名「持续写技术博客」。对我这样「公开足迹以文章为主、代码提交为辅」的候选人来说，这是最直接的一条正面信号。
逐条对照这条 JD：
| JD 要求 | 我的证据 |
|---|---|
| Java/C/C++/Go 任一语言的编程实践 | Go 是主场（GMP、内存模型、GC 均有系统笔记），Java 有 4 年多后端经验里的实际项目积累 |
| 有 Spark、数据湖相关经验 | 2025 年转数据架构后的大数据底座与数据中台研发，加上湖仓组件（Doris、StarRocks、Iceberg、Hudi、Paimon、JuiceFS）的部署与调优笔记 |
| 良好的算法基础 | 此前完成的 91 天算法打卡记录是现成的证据 |
| GitHub 开源项目优先 | GoFrame 社区的单测贡献，加上正在规划的 Rust CLI 备份工具（详见 FDE 学习指南里对「作品」的判断） |
| 持续写技术博客优先 | 截至写作时博客归档页统计的 185 篇文章，本身就是公开技术输出 |
| Agent 开发经验或 AI 工具深度使用经验优先 | 这是我最强、也最难被伪造的一项，证据在 DeepSeek 系列第一篇的「独特的视角优势」一节里已详述，此处不重复 |
职责侧还有一句话值得单独拎出来：
将产品经理基于 Vibe Coding 跑通的 MVP 功能，重构为可商用、可交付、可持续迭代的工程化产品，确保功能对齐且体验升级
这句话描述的是「别人用 AI 做出原型、我来把它做成能交付的系统」。我 2022 到 2024 年的工作恰好是它的前 AI 版本：从 0 到 1 做产品研发、发布上线与运维，再以技术负责人身份对大型政企项目的交付质量负责。差别只在于原型的生产方式从「手写」变成了「Vibe Coding」。
缺口有两处：一是 JD 把「深度学习经验」列为加分项而我没有；二是「鉴权、日志、工具调用、数据接入等通用能力标准化」这件事，我在数据中台的语境下做过，但没在 Agent 平台的语境下做过，面试时要主动把这两件事的差异讲清楚，而不是含糊地混为一谈。
2. fde工程师 —— 我在 FDE 学习指南里写下的目标岗位
帆软把 FDE 放进了研发类，优先级标记是本次抓取里最高的一档（4 级）。职责四条写得非常克制：
- 需求分析：参与大客户 AI 需求访谈，输出高质量需求文档。
- 方案设计：深度结合客户需求与 AI 工具，参与设计业务路径与技术路径。
- 方案落地：利用 Agent 工具，深度参与 AI 项目实施开发落地过程。
- 方案提炼：根据客户与项目故事，基于业务价值包装提炼为案例与方案。
任职要求只有四条：主动性高、好奇心强、学习能力强，有 Agent 开发经验或 AI 工具使用经验；沟通高效、逻辑清晰，善于洞察和理解客户业务管理场景；有项目管理经验优先，有 AI 探索或实践项目经验优先；热爱 AI 事业、对企业管理有较深入理解。
把它和《FDE（前向部署工程师）岗的核心学习方法》里的能力映射表对照，重合度很高：客户现场理解业务与关键人、生产级代码、AI 应用经验（RAG、Agent、MCP）、模糊问题拆解与推动采纳、把现场经验沉淀为可复制资产——这五条在帆软的这条 JD 里都能找到对应表述。
我的证据链也是现成的：2024 年起担任团队技术经理、作为大型政企项目的技术负责人对接客户中高层；用 Agent 工具批产博客与工具链；opencode 备份方案这类「从真实问题到可交付方案」的小型闭环。需要承认的差距是：这些都是「我自己用 Agent」的证据，而不是「我在客户现场交付过 AI 项目」的证据。
还有一个细节值得注意：第四条职责是「基于业务价值包装提炼为打动人心的案例与方案」。这说明帆软的 FDE 不只是 Palantir 式的纯自研交付，而是「AI 项目实施 + 产品化包装」的混合角色，更接近我 2022 到 2024 年做定制化交付那件事的 AI 升级版。
3. 后台开发工程师 —— 最稳、最不需要重新证明自己的一条路
这条 JD 的要求几乎是第 1 名的简化版：Java/C/C++/Go 任一语言的编程实践、良好的算法基础、掌握数据库技能者优先、GitHub 上有实际被多人使用的开源项目优先、持续写技术博客的优先。职责是用 Java 参与产品服务器端功能开发和维护，并对关键场景做性能优化、对关键模块做重构。
它落在数据分析商业化中心，也就是 FineReport、FineBI、FineDataLink 这条主产品线。我的大数据与数据中台背景在这条线上可以直接复用：JD 只要求「掌握数据库技能」，而我有 MySQL、Redis、Kafka 的原理与调优笔记，也有政企数仓从 0 到 1 的交付经历。
缺口是语言重心：Java 是我入行早期的生产语言，现在是 Go，JVM 内存回收与 Spring 体系需要重新捡回手感。相比第 1 名，这个岗位的确定性更高、想象中的天花板更低，适合作为「先进入、再证明」的入口。
4. FDE 解决方案工程师 —— 同一条路，多了一道年限门槛
这条岗位在总排序里列在第二梯队的第一位，与前三名的关系最近，因此一并放在这里详解。它的职责比 fde工程师 更偏售前与方案：主导 AI 解决方案架构设计（大模型选型、RAG 方案、Agent 工作流、私有化部署），配合销售完成技术澄清与 POC 演示，为客户技术团队做培训，并把需求回流给产品团队。任职要求里有一句是明确的硬门槛：
2 年以上大模型技术落地经验或顾问经验
我目前的大模型经验是「自用 + 学习」的一年，没有客户侧的落地项目，这道门槛现在真实存在。但它留了一个口子：
有独立 Agent 交付经验者优先，投稿时直接附上对应应用场景可获得直通车
这句话把补课内容说得很具体了：需要的不是「我会用 Claude Code 写博客」，而是「我做了一个真实用户在用、带评测与调用记录的 Agent 应用」。这与我此前在 FDE 学习指南阶段 4 到阶段 5 里列的产出完全一致，也是把它从第二梯队推进到第一梯队的唯一条件。
五、第二梯队简评
运维工程师（一体化平台 / 无锡）
- JD 要求我几乎全中：SQL 等数据库、Linux 系统运维与网络原理、K8s 容器平台的实际使用维护经验、软件行业项目运维与交付经验。
- 职责里的「负责大客户项目系统运维、故障排除，梳理客户业务现状并识别风险」正是我驻场交付时的工作内容。
- 唯一不匹配的是「1~3 年左右工作经验」这个年限带，我已超出。
- 投递时要用「运维开发」的角度切入，把可观测性与自动化这条线讲出来，而不是把自己包装成一个纯粹的驻场运维。
信息化工程师（公共支撑平台 / 无锡）
- 职责是根据信息化建设规划，负责公司内部从运维到业务支撑再到数据中心的搭建与流程建设，要求里有 SQL 脚本编写能力优先，职级标记为 3 级。
- 这是一条「把外部交付经验转向内部建设」的路径，稳定性高。
- 代价是工作对象从客户变成了同事，天花板也更低。
项目经理（银行方向）（国内营销与服务线 / 南京、无锡）
- 职责与我做过的项目全生命周期管理高度重合：需求、进度、成本、质量、风险、沟通与组织过程资产。
- 加分项「有大数据或者数据产品交付经验、数据驱动业务提升经验」我也能对上。
- 两处缺口是「重点院校本科及以上」的学历描述与银行行业经验。
- 同类的成都「项目经理」岗位还多了「3 年以上实际项目管理经验」的要求，我的项目管理年限从 2024 年算起并不宽裕。
OLAP 计算引擎研发工程师 / 后端工程师（数据分析商业化中心）
- 这两条 JD 的内容完全相同，职责是打造支撑帆软各产品线的 OLAP 计算引擎。
- 要求里「熟练使用 C++ 语言并灵活应用」「熟悉主流的 OLAP 引擎的组成结构以及优化技术，如火山模型、条件优化、向量化计算、代码生成」是明确的专业门槛。
- 我曾把「补一篇 OLAP 引擎底层执行模型笔记」列进 DeepSeek 系列的补课清单，这次它从「加分项」变成了「主要求」，优先级应当上调。
定制开发工程师（数据分析商业化中心 / 无锡、南京）
- Java 熟练、了解 JVM 内存回收、熟悉至少一种主流框架，这三条我能对上。
- 但另一半要求是 JS、CSS、HTML 与 Vue/React 项目经验，我没有前端深度。
- 这个岗位更偏客户定制交付，与我的方向有一半重叠。
售前工程师 / 售前工程师（总部）（国内营销与服务线）
- JD 要求「精通公司产品技术，了解 IT 软件及 BI 领域的行业特性」，职责包括产品演示、技术交流、方案制定、POC 与招投标。
- 这是技术立身的综合岗，且前者职级标记为 3 级。
- 但我必须清楚，这是一次职业方向的切换：从「做系统」转向「讲方案」。
六、第三、第四梯队：为什么不投
测试工程师 两条（一体化平台 / 数据分析商业化中心）
- 一条要求「毕业 1~3 年内」，另一条要求「有 1-3 年测试相关工作经验者优先」，两条都指向更年轻的候选人。
- 我也没有专职测试履历，可以放下。
高级大模型应用算法工程师（AI中心 / 无锡、南京）
- 这是帆软 AI 含量最高的岗位，职责里的 Agent 编排内核、RAG 与知识库融合、全链路监控与 A/B 评测，都属于我正在学的方向。
- 但要求里的「3 年研发经验，有相关 AI 实战经验」「精通 PyTorch 深度学习框架」「深度熟悉 LangChain、AutoGen、LangGraph 等主流 Agent 编排框架，具备框架二次开发能力」三条，我目前都不满足。
- 合理的位置是把它当作两年后的目标，而不是现在的投递对象。
产品类 7 条
- 包括产品经理（ai应用平台）、数据分析产品经理、计算产品专家、B 端工具与表格方向产品经理、移动端产品经理、产品经理与产品市场经理。
- 全部要求 1 到 5 年产品经验，其中计算产品专家还要求「3-5 年数据分析、BI、计算平台产品经验」并标记为 4 级。
- 我没有产品经理履历，简历上的「技术负责人」不能被合理包装成「产品负责人」。
行业咨询顾问 7 条
- 分布是：半导体 1 条、制造供应链 1 条、消费零售 2 条、财务 2 条、非银金融 1 条。
- 这类岗位要求对应行业的甲方经验或乙方咨询经验，通常 3 到 5 年起步，并且要求「具备客户一号位、业务总的交流 call high 能力」。
- 我的行业积累集中在教育与党委，匹配度最低。
销售类 10 条
- JD 反复出现「对销售工作有极强的热情，以销售作为自己的职业规划」。
- 销售工程师(AI) 虽然要求能讲解 FineChatBI 与数据 Agent，但它本质上是一个带业绩指标的销售岗，与我的方向不符。
市场类 11 条
- 战略生态（含阿里云方向与 AI 战略生态两条）要求「3 年以上云厂商、AI 企业战略生态 BD、战略合作经验」；内容运营与个人 ip 运营属于内容职能；用户生态运营专家要求 3 年以上用户运营经验。
- 唯一可以放进观察位的是 AI 战略生态，它提到「有大模型商业化、政企 AI 项目落地、AI 生态搭建经验者优先」，与我的政企背景有交集。
- 但它考的是 BD 与生态能力，不是工程能力。
设计类 4 条与职能类其余 8 条
- 岗位职能与我的技术背景没有交集，不展开。
七、帆软与 DeepSeek：两种招聘画像的差异
把两家放在一起看，差异比相似更值得记录。
岗位结构
- 幻方&DeepSeek（37 条）：研发岗占绝大多数，几乎没有交付与销售岗。
- 帆软（84 条）：研发与测试 11 条（13%），交付、销售与市场 53 条（63%）。
学历口径
- 幻方&DeepSeek：不卡学历与论文，用真实工程能力与 AI 工具使用筛人。
- 帆软：反复出现「理工科专业背景」「重点院校」，个别岗位写到「211 以上，985 优先」。
经验口径
- 幻方&DeepSeek：看重能力的绝对值，资深工程师（2~10 年）是重点关注对象。
- 帆软：大量岗位带「毕业 3 年内」「毕业 5 年内」的年限带，社招与校招的边界模糊。
公开输出
- 幻方&DeepSeek：只有 Code Agent 数据工程师一条提到「公开可查的开源贡献或技术输出」。
- 帆软：两条后端 JD 明确写「持续写技术博客的优先」。
薪酬披露
- 幻方&DeepSeek：官网不披露，媒体报道薪酬竞争力强。
- 帆软：80 条写「面议」，4 条给出数字的都在销售、交付与市场一侧。
用人策略
- 幻方&DeepSeek：社招直接补工程能力，岗位即战力导向。
- 帆软：校招自培养、内部转岗与竞聘优先、不招空降兵。
这组对比解释了一个反直觉的现象：在「AI 浓度」上帆软远不如 DeepSeek，但帆软的两条后端 JD 反而更直接地写出了我的优势。DeepSeek 需要我在面试里证明「AI 工具重度使用是一种职业能力」，帆软直接把「持续写技术博客」写进了任职要求。
它同时提示了一个投递姿态上的差异：帆软的社招岗位里有不少是「培养型」而不是「空降型」的。以我 4 年多经验、做过技术经理的背景投递时，要主动说明「我愿意从一线工程做起」，而不是让面试官担心我是来找管理岗的。
八、最终投递策略
主投三个（按优先级排序）
- 后端开发工程师【AI团队】（一体化平台，无锡、南京）：简历第一条就写 Go 后端与数据湖，把博客与开源放在显眼位置。
- fde工程师（一体化平台，无锡、上海）：用「政企项目技术负责人 + Agent 工具深度使用」两条线讲客户洞察与落地能力。
- 后台开发工程师（数据分析商业化中心，南京、无锡）：以大数据与数据中台背景切入主产品线，接受从成熟产品迭代做起。
次投四个
- 运维工程师：以运维开发与可观测性的角度切入。
- 信息化工程师：把外部交付经验翻译成内部信息化建设能力。
- 项目经理（银行方向）：用政企项目的全生命周期管理经验补行业经验的短板。
- FDE 解决方案工程师：等 AI 落地证据补齐之后再投。
观察位两个
- OLAP 计算引擎研发工程师：等 C++ 与 OLAP 引擎底层笔记补完之后再评估。
- AI 战略生态：纯观察，除非我决定往生态与 BD 方向走。
简历三条主线
- Go 与 Java 后端工程深度。
- 大数据底座与数据中台从 0 到 1 的交付。
- Agent 重度使用与公开技术输出。
补课优先级（对本年度既有计划的增补）
- 一个真实用户在用、带评测与调用记录的 Agent 应用，直接对应 FDE 解决方案工程师的「直通车」条件，也是 FDE 学习指南阶段 4 到阶段 5 的核心产出。
- OLAP 引擎底层执行模型笔记，服务 OLAP 计算引擎研发工程师，优先级从「加分项」上调为「主要求」。
- Java 与 JVM、Spring 体系复习，服务后台开发工程师与定制开发工程师。
- 地点权衡：帆软的机会集中在无锡总部与南京研发运营中心，可在杭州与上海落地的岗位较少，投递前先把地点接受度定下来。
九、一个总的观察
84 条在招记录里提到 AI 的有 17 条，真正做 AI 的只有 3 条，这与 DeepSeek 那种「整家公司都在做 AI」的结构完全不同。但换个角度看，帆软提供的是一种 DeepSeek 不提供的组合：一家连续八年市场份额第一、43000 多家客户的 BI 公司，正在把 Data Agent 装进它已经建成的产品与服务网络里。
对我这种「后端 + 大数据 + 政企交付」的履历来说，进入 AI 的路径其实有两条：一条是去模型公司做基础设施，也就是 DeepSeek 那条路；另一条是在一家有真实客户的公司里做 AI 落地，也就是帆软 FDE 这条路。两条路要证明的能力不同——前者证明「我能把系统做到极致」，后者证明「我能把能力送到客户手里」。过去两年我做的事，恰好两条都沾一点：既做过数据底座的架构与调优，也做过大型政企项目的端到端交付。这也是我这次把帆软拉进投递清单的原因。
数据来源与复现：2026-09-22 抓取帆软招聘官网社会招聘页面（join.fanruan.com/social）。列表数据来自页面自身的 POST 接口，参数为 job_cate、types、filter、departs、citys、page、w、cv，每页 10 条，共 9 页 84 条；每条记录的 duty 与 requirement 为 JD 原文。官网不提供发布与更新时间字段（update_date 全为空），因此本次是帆软的首次全量扫描，没有可供对比的上一轮数据。