杭州新品质量工程师
新品质量工程师是负责质量控制和改进新产品的工程师。他们负责设计和实施质量控制流程，确保新产品在生产和交付过程中达到高质量标准。其工作内容包括制定质量标准、执行质量测试、分析测试数据、排除生产过程中的质量问题，并提出和实施改进措施。此外，新品质量工程师还需要与设计团队和生产团队合作，以确保新产品的设计符合质量标准，并提供技术支持以改善产品质量。他们还可能负责监督供应商，确保原材料和零部件符合规定的质量标准。这个职位要求工程技术背景以及对质量控制和改进流程的深入了解。成功的新品质量工程师需要具有创新精神、良好的沟通能力和问题解决能力。
薪酬概览
平均月薪
¥13600
中位数 ¥13500 ｜ 区间 ¥10700 - ¥16500
数据来源：谈职全网10份招聘数据；更新时间：2026年7月13日
月薪分布
90% 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
5
对比上月：岗位减少5
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 | 5 | 100% |
热招职位
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。
1.根据标准完成生鲜、标品的验收工作，对问题商品及时与采购沟通，推进后续处理。
2.农药残留检测、瘦肉精检测、粮食水分检测。
3.仓内存储环境检查、投线作业检查、车辆装载检查，并对不标准操作予以纠偏。
4.客诉分析及跟进协同解决、退货数据分析及质量改善提升。
5.品控团队成员的专业指导，BD、采购、仓配的业务培训。
6.专业战队的实验及案例分享。
1、协助团队进行数据收集、清洗和整理，确保数据准确性和完整性。
2、运用基础统计方法，对业务数据进行初步分析，支持日常运营和决策。
3、协助制作数据报告和仪表盘，将数据分析结果可视化，便于理解。
4、参与数据分析项目的各个阶段，从需求理解到方案落地，学习并贡献自己的力量。
5、与业务团队沟通协作，理解业务需求，并将数据分析结果转化为可执行的建议。
6、完成上级交办的其他数据支持相关工作。
1. 负责激光雷达电子相关的失效分析工作，包括问题定位、根因分析、风险评估和改进方案制定。
2. 建立并优化硬件失效分析流程和方法，提高分析效率和准确性。
3. 协同研发、生产和客户质量团队，解决产品在研发、制造和售后阶段遇到的硬件相关问题。
4. 进行失效模式与影响分析（FMEA），并基于分析结果提出产品设计和制程改进建议。
5. 编写详细的失效分析报告，并向管理层和客户（整车厂）清晰传达分析结果和改进措施。
1. 根据业务领域特点开展项目质量策划；
2. 项目过程质量控制，质量监控，质量改进，引导项目流程过点；
3. 质量管理体系建设、优化和维护；
4. 持续研究质量工程方法，在项目推荐合适的质量工具解决业务问题；
5. 制定质量氛围建设方案并实施落地；
1. 防御机制测试： 对公司内大模型的安全围栏进行黑盒测试，通过实验分析其在内容过滤、逻辑保护方面的实现路径和问题，并输出分析报告。
2. 安全围栏建设： 参与公司模型的内容审计系统开发，编写并维护核心的防御 Prompt 和过滤规则库。
3. 风险路径探测： 对公司模型系统（含插件、沙箱）进行常规的安全评估，识别提示词泄露和接口滥用的潜在风险，并提出加固建议。
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对齐的训练样本。
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。