ROBOT CAREER INTELLIGENCE
真实岗位快照 · 2026.07.18

LIVE PROJECT 从真实问题出发的 AI 协作作品

机器人职业情报
与能力发展系统

从企业真实招聘岗位,反向连接技能、作品与职业行动

今天,第一份真实岗位基线已经建立
3家机器人公司
5种岗位变化状态

01 · WHY

为什么做这个系统?

不是再做一份泛泛的职业指南,而是先看企业此刻真正需要什么。

01

行业变化太快

机器人、AI 与自动驾驶不断出现新方向,旧经验很快失效。

02

真实需求不透明

青年人很难知道,企业现在究竟在招什么人、重视什么能力。

03

学习与岗位脱节

课程、作品和真实岗位之间缺少一条可以持续验证的连接。

04

让建议更可靠

持续跟踪企业官方招聘信息,再把岗位变化转化为职业行动。

02 · TODAY

今天已经完成的成果

从“能不能做”,走到“真实数据已经开始持续运行”。

280 个官方在招岗位
3家公司
3/3官方来源已验证
1份真实岗位基线
Nuro
95个岗位

官方招聘来源已验证

Zipline
131个岗位

官方招聘来源已验证

Agility Robotics
54个岗位

官方招聘来源已验证

系统已经能够识别

新增更新缺失关闭重新开放
正在进入 7—14 天连续观察
“这些不是演示数据,而是来自企业官方招聘系统的真实岗位。”

03 · HOW IT WORKS

系统怎样把岗位变成行动?

从可信的一手信息出发,一步步走向个性化的学习与作品建议。

01 已完成

企业官方招聘网站

锁定可信的一手来源

02 已完成

获取真实岗位与 JD

建立可持续更新的岗位基线

03 正在运行

识别新增、变化和下架

持续观察企业需求如何变化

04 下一阶段

分析真实技能需求

从 JD 提取技能与经验要求

05 下一阶段

连接作品、学习与行动

把岗位要求变成可执行路径

已经完成或正在运行 下一阶段

04 · REAL JOBS

280 个岗位里,有哪些真实机会?

以下 6 个岗位直接选自今天的真实基线快照。

Nuro 软件

Software Engineer, Offboard Infrastructure

地点
Mountain View, California (HQ)
部门
Offboard Infrastructure
Nuro 机械

Mechanical Engineer, Autonomous Vehicle

地点
Mountain View, California (HQ)
部门
AV Hardware Engineering
Zipline AI

Forward Deployed AI Engineer, Operations

地点
South San Francisco, California, USA
部门
Engineering
Zipline 硬件

Hardware Test Engineer, Droid

地点
South San Francisco, California, USA
部门
Hardware
Agility Robotics 机器人

Robotics Software Engineer II

地点
Hybrid- Pittsburgh, PA or Salem, OR
部门
Software Engineering
Agility Robotics 系统

Senior Systems Engineer

地点
Hybrid- Fremont, CA
部门
Hardware

静态快照 · 岗位名称、地点与部门均以 2026 年 7 月 18 日的企业官方招聘信息为准

05 · AI COLLABORATION

ChatGPT 和 Codex,如何协作完成真实作品?

AI 不只负责“回答”,而是在清晰分工和持续记录中参与完整项目。

01

ChatGPT 项目

想清楚要做什么

  • 澄清需求
  • 设计产品方向
  • 审核开发方案
  • 管理长期上下文
02

Codex

把想法做成真实作品

  • 进入代码仓库
  • 开发功能
  • 运行测试
  • 发现问题并修改
  • 完成交付
03

本地文件与 Git

让作品可以持续生长

  • 保存项目状态
  • 记录关键决策
  • 沉淀可复用资产
  • 形成持续迭代的作品
方向与判断+开发与验证+状态与资产=可持续迭代的真实作品

06 · ITERATION

真实运行,才会暴露真实问题

案例一 · 正文清洗

页面“看起来能读”,数据里却残留 HTML 标签

真实运行发现后,Codex 修改清洗逻辑,并补充测试,确保岗位正文真正可用。

发现问题修改逻辑补充测试
案例二 · 登录误报

正常岗位正文里的 “sign in / log in” 被当成拦截

Codex 缩小检测范围,修复 Agility Robotics 的误报,并完成回归验证。

真实反馈定位原因回归验证
“真实作品不是一次生成,而是在真实反馈中不断修正。”

07 · WHAT'S NEXT

下一步,让岗位数据真正帮助一个人行动

01

观察变化

连续观察 7—14 天,确认真实岗位的新增、变化与下架。

02

提取能力

从岗位 JD 中提取技能、工具、经验和问题场景。

03

形成行动

建立岗位—技能—作品—28 天行动计划的映射。

从一个真实问题开始,
让 AI 帮助我们持续观察、学习与创造。

Keep curious, keep learning,
and keep Building.