杭州样衣裁剪
样衣裁剪是一项重要的服装设计和制作过程。在服装设计师确定了设计方案和样衣图纸后，裁剪师负责根据这些图纸来裁剪出布料、皮革或其他材料，制作成具体的服装样衣。裁剪师需要精确地根据图纸的要求将布料进行裁切，确保裁剪后的部件尺寸和形状与设计一致。同时，裁剪师还需要注意布料的纹理、图案和缝线方向，以确保裁剪后的部件能够完美地组合在一起。这项工作需要专业的裁剪技能、耐心和细致的态度。裁剪师通常会在设计工作室、服装生产工厂或裁剪车间中工作，与设计师、缝纫工和其他制衣人员紧密合作，共同完成服装的制作。裁剪师在服装制作过程中扮演着至关重要的角色，他们的工作质量直接影响到最终成品的质量。
薪酬概览
平均月薪
¥7700
中位数 ¥8000 ｜ 区间 ¥6300 - ¥9200
数据来源：谈职全网28份招聘数据；更新时间：2026年7月13日
月薪分布
57.1% 人群薪酬落在 0-8k
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 | 2 | 50% |
| >10年 | 2 | 50% |
热招职位
1、根据生产计划制定物料需求计划,并下单请购,跟踪物料进度,确保满足生产需要;
2、预测跟进供应商产能与交付,对判断无法满足的交付提出预警;
3、跟进到货计划与实际达成情况并追踪检验结果;
4、负责MRP以及库存管理的设计与开发；
5、对呆滞物料进行统一分析并全程把控处理，包括不限于产品选型、兼容替代、售卖、报废等处理方式。
6、对供应链IT系统进行业务需求深化开发，不断完善整套供应链系统的数据化。
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、负责城市整体仓储和分拣业务运营和管理，共享冻库的管理，商品收货、存储、拣选和分拣等工作，保障履约的稳定；
2、负责推进仓储和分拣运营标准落地，提升仓储现场标准化水平；
3、负责仓储和分拣运营质量提升，改善过程品质防护，降低商品损失和品质客诉；
4、负责仓储和分拣效率优化，提升业务履约能力；
5、负责城市仓储组织能力建设。
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、根据项目产品需求，负责产品COB封装部分产线规划，包含芯片固晶，胶水固化，打线，AOI，上电测试等工艺，制定产品COB封装线体技术方案，编制线体预算和实施计划。
2、根据项目要求，管理线体规划和落地，在规定时间内完成设备选型，统筹和协调线体搭建，设备调试，小批量试产，量产导入，设备验收等；
3、根据线体规划，制定合适的COB封装工艺路线和参数，编制产品P-FMEA，控制计划，SOP，各工序开班点检，设备点检等线体工艺文件，并对生产员工进行操作培训指导；
4、负责COB封装线体爬坡和量产工艺持续提升，优化线体&工艺设计和验证，降低成本，提升生产效率和良率，达成线体规划良率和效率指标;
5、参与所负责线体的APQP和PPAP；
6、持续提升公司COB封装技术能力。
1、追溯方案设计与数据管理：结合IATF
16949、VDA等标准设计产品追溯方案；确保关键制造数据（SN、工序、参数、质检）完整可追溯，优化数据存储与查询效率
2、数据分析与可视化：参与异常追溯分析，提供数据支持；利用BI等工具实现MES数据可视化，提升质量管理水平
3、设备对接与联网实施：协调PLC、SCADA、Kepware等系统与MES的数据采集与通讯；参与设备联网方案制定，确保生产数据实时采集与上传，优化传输稳定性
4、需求受理与系统配置：与生产、IE、工艺、设备、质量等部门对接，收集分析MES业务需求；负责项目导入阶段MES系统功能配置，包括工艺流程、工序控制、物料追踪等
5、系统实现与测试培训：配合供应商和开发团队完成接口开发、调试及上线验证；协同开发团队推动业务需求系统实现，负责UAT测试及用户培训
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、 清晰的分析逻辑以及良好的业务洞察能力，能快速发现问题、拆解问题并定位到影响业务的关键点；
2、 数据处理能力强，可使用多种方式提取数据并进行分析，熟练掌握hive、SQL、excel等相关数据提取工具；
3、 良好的沟通能力和团队协作能力，能够有效地和业务方，数据技术团队沟通交流，并且能够以分析师的视角给业务提供建议；
4、 结构化思维，能定位、解构问题，并有初步解题能力；
5、 良好的数据敏感度,能从海量数据提炼核心结果，能独立编写商业数据分析报告；
1、负责项目生命周期内的各事项协调管理，落实项目执行标准，在需求高频变化的环境下保障多线并行的交付节奏和质量，处理项目运行过程中的突发问题；
2、深入了解各项目执行的差异性和痛点卡点，可分析原因、提出改进方案并落实改进，尤其关注AI native研发模式下流程和协作方式的适配问题；
3、对项目生命周期内不同阶段的风险具备清晰的认识及预判，及时风险前置提出有效管控措施；
4、持续总结项目实践经验，优化项目管理体系及过程改进，探索适配高频迭代节奏的项目管理方法和工具体系，提供流程、工具、方法支持，提升团队研发效率和质量；
5、负责横向专项攻坚，为项目里程碑达成，发版稳定性、组织效能、跨团队高效协同及资源集中投入等方向负责。