杭州QA测试工程师
QA测试工程师（Quality Assurance Testing Engineer）是负责保证软件产品质量的专业人员。他们主要负责设计、编写和执行软件测试计划、测试用例和测试脚本，以验证软件的功能、性能、稳定性和安全性。QA测试工程师负责发现并报告软件中的缺陷，并与开发团队合作解决这些问题。他们还参与制定质量标准和流程，确保团队遵循最佳的软件质量实践。此外，QA测试工程师还需不断关注软件行业的最新趋势和技术，以确保测试工作与时俱进。这个职位需要具备扎实的软件测试知识和经验，以及良好的沟通能力、问题解决能力和团队合作能力。QA测试工程师通常在软件开发团队中起到至关重要的作用，确保最终产品的质量达到客户的期望。
薪酬概览
平均月薪
¥11400
中位数 ¥10500 ｜ 区间 ¥8800 - ¥14000
数据来源：谈职全网60份招聘数据；更新时间：2026年7月13日
月薪分布
55% 人群薪酬落在 8-15k
三大影响薪酬的核心维度
影响薪资的核心维度1：工作年限
影响薪资的核心维度2：学历背景
市场需求
6月新增岗位
47
对比上月：岗位减少15
数据由各大平台公开数据统计分析而来，仅供参考。
岗位需求趋势
不同经验岗位需求情况
| 工作年限 | 月度新增职位数 | 职位占比数 |
|---|---|---|
| 应届 | 44 | 95.7% |
| 不限经验 | 2 | 4.3% |
热招职位
1. 全面负责CPU IP/芯片端到端质量管理工作，以客户需求为导向，制定E2E质量要求和质量计划，并确保实施符合要求；
2. 负责产品生命周期阶段的质量管控，并持续优化及完善流程或方法；
3. 负责建设与本领域相匹配的E2E流程和管理体系，并持续识别改进点，负责闭环改进；
4. 推动CPU IP/芯片各领域开发流程标准化，制定CPU IP/芯片研发质量管理方案，并有计划的推进、实施；
5. 组织并熟练使用各种质量工具和方法对质量问题进行根因分析、处理、改进、预防措施的制定和执行落地；
6. 提升全员质量意识和质量文化，持续提升组织的质量改进能力。
1. 构建和持续优化公司IPD流程体系和质量管理体系(含流程架构、流程文件、质量管理系统等)
2. 持续跟踪和分析IPD流程实施情况(包括IPD流程导入及落地评估、体系成熟度评估、符合性及有效性评估、项目执行改进等)，识别流程体系的瓶颈和改进点，提出有效的流程优化方案，并推动实施，提高流程适用性、效率和质量
3. 持续改进公司的质量管理体系，设计各类E2E过程及结果质量的数据度量统计模型，建立度量分析体系，根据分析结果进行持续改进
4. 负责组织和协调完成公司内外审等多种审核认证，推进纠正和预防措施的落地
5. 负责开展流程体系、质量活动、质量工具及方法等培训，持续提升组织的质量文化、质量意识、运作效率及质量运营能力
6. 负责规划和建设数字化运营体系，打造数字化运营平台，提供数字化运营能力，并使用数字化运营平台、工具、方法，开展问题识别、分析，提高发现问题、分析问题、解决问题的能力和效率
1. AI资源站点BI建设：负责站点的BI体系搭建与持续迭代，承接业务方与决策层的数据消费诉求，输出可视化看板与专题分析，支撑资源全景可观测、可决策。
2. 跨模块数据核对与一致性保障：建立站点内各模块（如资源池、分配、消耗、成本、效能等）的数据交叉核对机制，识别口径不一致、数据漂移、链路断点等问题，推动上下游修复并沉淀核对规则。
3. 模块内容设计与指标体系搭建：负责站点各模块的内容规划与指标设计，使每个模块"有信息密度、有决策抓手"，避免堆砌指标。
4. 底层数据保障与质量治理：把控站点底层数据链路，建立数据质量评估标准与监控告警，治理上游数据源的口径、时效、完整性问题，输出数据资产文档与血缘关系，保障站点数据"可信、可追溯、可解释"。
5. 跨团队协作与需求衔接：与业务方、数据开发、算法团队协同，承接业务方的分析诉求，将模糊需求转化为清晰的指标定义与数据产品方案，推动需求落地闭环。
1. 学历背景
● 本科及以上学历，食品科学、生物工程、化学、质量管理等相关专业优先。
2. 行业经验
● 3年以上食品/生鲜/OEM/自有品牌质量管理相关工作经验，有大型零售企业或互联网生鲜自有品牌平台背景者优先。
● 熟悉OEM合作模式，具备商品开发、供应商审核、质量协议制定等实战经验者优先考虑。
● 有冷链商品质量管理、仓储物流品控经验者优先。
3. 专业能力
● 熟悉食品质量管理体系（如HACCP、ISO22000等），具备较强的问题分析与解决能力。
● 具备良好的数据敏感度，能通过数据分析发现潜在质量问题并提出改进建议。
● 熟悉国家食品安全法规及平台商品质量标准，能有效对接内外部质量合规要求。
4. 沟通协作能力
● 沟通表达能力强，能够跨部门高效协作，推动OEM厂商、内部业务团队共同达成质量目标。
● 性格开朗，团队意识强，具备包容性和分享精神，能够在多变环境中快速适应并推进工作。
1、负责内部红蓝对抗演练中攻击方相关工作，以攻促防，持续检验和提升公司安全防御能力；
2、负责参与实战攻防演练项目，承担攻击方核心角色，完成从边界突破到内网横向渗透的全链路攻击任务；
3、负责各端（重点 Android 端）的逆向分析工作，包括还原业务流程、核心算法和反混淆等，并开发提效工具与难点攻坚；
4、负责从攻击视角分析黑灰产的攻击方式和工作原理，协助业务与风控团队打击黑灰产；
5、负责从攻击视角为重大安全事件提供安全建议与技术支持，输出可落地的防御加固方案；
6、负责攻击实战技战法的研究与总结，沉淀方法论与知识库；
7、有机会参与 AI 安全前沿研究，探索大模型及 AI 系统的安全攻防对抗，参与 AI 安全相关的攻防演练与技术预研。
我们正在打造一支 AI Native SDL团队，重新定义 AI 时代的软件安全开发生命周期。AI 不仅是我们保护的对象，更是我们工作的核心方式。我们相信安全流程正在从依赖规则、人工经验，演进为由 AI 驱动的智能工程。
* 设计并建设 AI Native SDL 体系，保障 AI 应用、Agent、MCP 等新型业务形态从设计、开发到运行阶段的安全。
* 负责 AI 应用安全架构设计，建立覆盖研发全生命周期的安全能力。
* 构建 Agent 身份认证、权限控制、工具调用、数据访问及运行时安全防护体系。
* 构建覆盖 Prompt Injection、Tool Abuse、模型滥用、越权访问、数据泄露等 AI 风险的纵深防御能力。
* 推动 AI 安全能力平台化、产品化，为研发提供统一、安全、易用的基础能力。
1. 设计大模型推理（reasoning trace / CoT blob）的加密与隐私保护方案，覆盖密钥管理（per-user / per-session 密钥体系）、加密协议选型、防重放机制设计。
2. 防御机制拆解： 跟踪国内外主流模型的安全策略，通过实验分析其在内容过滤、逻辑保护方面的实现路径。
3. 安全围栏建设： 构建覆盖 Prompt Injection、Tool Abuse、模型滥用、越权访问、数据泄露等AI 风险的纵深防御能力
4. 反蒸馏技术落地： 协助落地基础的防爬取、模型输出干扰等风控方案，保护公司模型资产。
5. 跨团队协作： 与算法团队配合，将发现的安全漏洞转化为模型微调或强化学习的训练样本，并实验验证效果。
6. 系统化：建设企业级安全风险感知体系，持续发现业务及 AI 系统安全风险。推动AI安全能力平台化、产品化，为AI开发提供统一、安全、易用的基础能力。
1. 负责 EDR 等终端安全产品在 Windows 和 macOS 平台的有效性对抗和验证，评估并发现防御体系盲区。
2. 参与授权下的内部红紫对抗攻防演练，基于自研 AI Agent 开展社会工程学防御验证、边界突破、终端落地及持久化等，推动检测和防御能力改进。
3. 基于大模型智能体框架建设自动化攻防能力，实现攻击面分析、任务规划、工具调用、终端对抗和攻击链编排。
4. 对常见智能体进行安全攻防对抗，包括但不限于智能体驱动的新型社会工程学攻击手法、智能体终端持久化及防御检测绕过等。
1.负责跟踪业界前沿的安全攻防技术能够评估大模型、智能体安全风险；建设关键基础设施安全防护方案设计与落地。
2.主导SDL安全开发流程优化，建立AI场景下的威胁建模与风险评估体系。
3.负责淘宝闪购数据安全技术前瞻性研究，沉淀数据安全技术和孵化数据安全智能体能力。
4.主导或参与智能体安全工具链的开发与集成，提升智能体安全风险检测、防御与响应能力；
1、负责产品量产阶段的制造质量管理工作，建立并持续优化生产过程质量控制体系，运用过程方法识别、监控及改善关键质量风险，推动相关部门落实标准化作业及质量要求。
2、运用SPC、MSA、FMEA、APQP、PPAP等质量工具开展质量管理活动，对生产过程能力、关键质量指标及异常问题进行分析与改善，确保产品和过程满足质量要求。
3、主导生产过程中的质量异常分析与闭环改善，推动跨部门团队开展根因分析（8D、5Why、鱼骨图等），跟踪纠正预防措施的实施效果，持续提升产品质量及制造过程稳定性。
4、监督品质检验标准、控制计划（Control Plan）及作业指导书的执行情况，推动质量意识提升及质量文化建设，确保出货产品满足客户要求及公司质量目标。
5、参与新产品开发、试制及NPI导入过程，制定产品质量计划、检验规范及质量控制方案，推动产品顺利导入量产并实现质量目标达成。
6、收集并分析生产过程质量数据，建立质量看板及关键质量指标监控机制，推动良率提升、制程优化及质量成本持续改善。
7、配合研发、工艺、生产、供应链及客户质量团队开展质量改进项目，支持客户投诉分析、产品可靠性提升及质量体系持续优化。
1. 检验管理
a. 制定班组检验计划，完成检验任务保交付 b. 监督检验过程，保证各项检验要求被有效执行检验，检查各项检验变更文件及时下发，并培训按照变更文件有效执行 c. 审核检验记录与报告的及时性与完整性，确保数据准确性 d. 监督现场合格品、异常品、NG品的处理 e. 配合量具计量管理人员对所有QC使用相关量具的计量检验工作，保证检验量具的有效性
2. 质量问题管理
a. 出现批量异常及时叫停，并协助相关工程师现场质量异常分析 b. 严格执行异常叫停原则 c. 配合生产部门处理返工/返修，跟踪不良品隔离与处置 d. 参与客户投诉的原因调查、取证以及纠正措施落地被有效执行
3. 体系执行
a. 确保ISO9001/TS16949等质量管理体系在班组落地 b. 配合内部质量审核与客户审核所需相关检验材料 c. 维护质量文件（SOP、检验规范、质量记录）
4. 人员培训与团队管理
a. 培训新员工掌握检验标准与工具使用（如卡尺、显微镜、推拉力测试仪） b. 评估班组成员绩效，实施技能矩阵管理 c. 组织质量意识培训，提升全员质量责任感
集团安全部-高级安全工程师/安全专家-AI安全工程与风险运营
安全工程与风险感知方向：
* 建设企业级风险感知体系，持续发现业务及 AI 系统安全风险。
* 建设攻击检测、异常行为分析、威胁狩猎及自动化响应能力，提升风险发现与处置效率。
* 打造 AI Native SDL 平台，推动安全检测、安全评审、安全测试及研发流程自动化。
* 利用 AI 构建智能告警分析、攻击研判、自动化响应及安全 Copilot 能力。
* 建设统一安全数据平台，持续提升检测能力、运营效率及安全工程能力。
漏洞治理与风险运营方向
* 熟悉常见漏洞原理及应用安全体系，具备扎实的漏洞分析能力。
* 有 SDL、漏洞运营、风险治理等相关经验。
* 熟悉 SAST、DAST、IAST、SCA、RASP 等安全技术或产品。
* 具备自动化开发能力，能够利用工程化方式提升治理效率。
* 对 AI 在漏洞治理、风险分析及自动化运营中的应用有实践或浓厚兴趣。
* 具备良好的数据分析能力和持续优化意识。