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.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、每日巡检责任区域内楼栋，关注现场品质环境；
2、负责接待顾客来访，受理责任区域内客户意见、建议及时落实整改与回复；
3、处理客户投诉，记录并跟进处理结果，维护业主关系；
4、负责区域住户物业管理费的催缴；
5、定期按计划执行客户访谈及满意度调查；
6、跟进区域内客户装修进展，及时向物业服务中心反映需要解决的问题；
7、协助开展社区文化活动。
1、工艺开发与DFM分析：跟进产品早期开发，提出DFM需求并闭环；制定输出SOR技术协议和核心PFMEA；
2、供应商管理与评审：评审供应商方案并组织评分；管理供应商开发过程，确保按节点完成线体设备采购、组装、调试和发运；
3、图纸审核与验收组织：审核供应商3D/2D电气图纸并组织会签；协调供应商端预验收，组织各相关部门参与；
4、线体调试与生产组织：跟进线体setup和调试物料准备；协助组织现场小批量生产，协调生产资源进行样件输出；
5、工艺文件与验收交付：协调输出线体PFMEA、CP、SOP等工艺文件；完成线体终验收，确保问题整改闭环并最终交付生产。
1、根据生产计划，招聘/培养/组织产线人员，完成产能爬坡及生产计划的达成。
2、做好车间的质量管理，带领全员质量管理，改善生产流程/效率管理，提高精益水平，降低制造成本。
3、培训员工通用技能/岗位技能，做好团队的能力建设和梯队建设，提高团队凝聚力同时，保证团队安全和纪律，带领团队达成目标。
4、做好车间基本的5S/可视化/拉动生产等基本管理，保证记录一致，降低客户审核中对于生产执行类问题。
5、完成领导交办的其他工作任务。
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。
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。
财险浙江-风险管理及合规部-风险管理岗6K-8K元/月
负责风险管理工作：
1、负责制定风险管理年度工作计划，并推动落实；
2、负责组织开展风险识别与风险综合评级管理；
3、负责每年对重点风险进行评价，实施风险专项排查与整改，按要求编制季度（年度）风险管理报告；
4、跟进本单位的各类风险（含洗钱风险）监控，做好风险预警和风险应对；
5、根据本机构风险管理现状，对公司风险偏好指标提出建议;
6、其他合规内控及风险管理工作，上级交办的其他工作;
7、领导交办的其他工作。
1、 3年以上互联网产品经验，有电商导购、内容社区（小红书/抖音）或搜索推荐策略相关经验者优先；
2、对AI有实操理解或者希望学习，理解LLM边界，会使用常见的AI工具，懂基本的 Prompt Engineering（提示词工程）逻辑；
3、懂用户需求，能敏锐捕捉到“小白怕什么”、“老手挑什么”，并以此为乐，并能结合用户导购场景的痛点，提出解决方案；
4、加分项（有其一即可）：有评测、模型后训练经验，做过 C端对话式产品或Agent 智能体落地项目。