数字政通

库内未系统描述企业文化。可侧面参考 JD 的写法：AI 全栈岗职责写到「参与大模型应用的工程化落地，包括 Agent 工作流编排、智能问答、Prompt Engineering、工具调用（MCP）等 AI 能力的开发与迭代」，AI 测试岗写到「开展 AI/Agent 质量风险把控：模型效果评测」，说明团队在用工程化方法做 AI 落地。to G 业务的节奏受政府项目周期影响，验收节点前压力集中。

库内未披露工时与加班安排。可判断的是 to G 项目在投标、验收与重大活动保障期加班集中；技术支持与解决方案岗需出差到客户现场。建议面试时问清项目驻场要求、年出差天数与验收期的加班强度。

库内 8 条给出薪资区间：8000-11000 元/月、16000-20000 元/月、18000-22000 元/月，跨度说明按岗位与学历分档，AI 研发类明显高于测试与支持类。其余 35 条未披露。建议面试时确认是月薪还是年薪折算、绩效占比与年终奖规则，以官方公告为准。

库内未见五险一金基数、住宿、餐补等条目。作为上市公司，社保公积金缴纳通常规范，武汉与长沙的生活成本低于北京深圳，实际到手购买力较好。建议在 offer 阶段索取福利清单，重点确认公积金比例、是否有餐补与交通补贴、以及年终奖的发放规则。

库内未披露完整校招流程与轮次。从渠道看以公司 zhiye 系统为主，配合高校就业网与牛客，属校招季集中收简历。AI 研发岗通常会安排算法题或现场编码，产品岗会有案例分析。具体轮次库内无据，建议提前准备一段 Agent 或大模型应用的实践项目，并讲清技术选型理由。

投递入口以公司 zhiye 系统 egova.zhiye.com 为主，另有各高校就业网与牛客渠道，建议走官方系统。岗位名带城市后缀（如「（武汉）」「（长沙）」）的必须按后缀判断工作地，未标城市的需确认。JD 显示 AI 全栈岗要求 Java/Spring Boot 后端 + Vue 前端 + 大模型应用工程化，技术栈写得具体，简历建议逐项对应。

库内无员工评价、离职率或在职口碑数据。可侧面参考的是岗位结构：AI 相关岗位（Agent、大模型、AI 全栈、图像算法、AI 产品、AI 测试）合计占比过半，说明公司在集中投入 AI 转型，这类阶段性投入通常伴随较高的项目压力，也意味着新人有较多上手机会。建议了解武汉研发中心的实际团队规模。

招聘方向几乎全面转向 AI：Agent 研发、大模型研发、图像算法、GIS 空间智能、AI 产品经理、AI 测试开发六类岗位同时开，传统 Java 后端与解决方案工程师仍保留但已不是主体。GIS 与空间智能的结合说明公司在把大模型能力接到既有的城市空间数据上，这是 to G AI 落地的差异化路径。