杭州服装样衣工
服装样衣工是负责根据设计师的设计图纸和要求制作服装样衣的专业人员。他们使用面料和辅料，根据设计图纸进行裁剪、缝制和装配，制作出具有设计师意图的原始样衣。在制作过程中，他们需要具备丰富的缝纫和裁剪技能，熟悉各种不同的面料和辅料的使用特点，以确保样衣的品质和质感符合设计要求。同时，他们还需要和设计师、样衣部门等密切合作，及时调整样衣的尺寸、线条和细节，以使之符合设计要求并能够进行后期的量产。服装样衣工在整个服装设计与生产过程中扮演着非常重要的角色，是实现设计理念的重要实践者。
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. 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。
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；
● 建设安全领域的信息监测与分析能力，覆盖舆情、行业动态、外部风险等多类信源，形成常态化运转机制；
● 建立风险分级评估与预警体系，提升对突发事件和潜在风险的感知灵敏度；
● 探索AI及大模型技术在信息采集、分析研判环节的应用，推动智能化能力演进；
● 定期输出风险态势分析与专题研究报告，为管理层决策提供信息支撑；
● 承接外部协作事务的流程化管理，确保高效闭环与合规落地；
● 关注行业合规趋势变化，提前研判潜在影响并储备应对策略；
● 推动外部协作成果向业务能力的转化，将合作经验沉淀为可复用的方法论与产品能力；
● 以数据驱动运营策略，建立量化评估体系持续衡量效果并迭代优化；
● 协同内部多团队资源，推动运营方案从设计到落地的全程执行；
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. 本科及以上学历，计算机、人工智能、数学、统计、信息管理等相关专业优先；
2. 理解AIGC及大模型应用相关知识，熟悉Prompt Engineering、RAG、Agent、Workflow等常见AI产品范式；
3. 具备较强的抽象能力和复杂问题拆解能力，能够将业务场景、规则逻辑和角色协作关系转化为产品方案；
4. 有较强的数据意识，能够使用SQL、Python或其他分析工具进行效果分析和问题定位；
5. 对风险治理、审计、内控、合规、企业效率工具等场景有兴趣或相关经验者优先；
6. 具备优秀的沟通协同能力和学习能力，对新技术保持敏感，并能从实际业务价值出发推动落地。
1、本科及以上学历，具备3-5年舆情运营、风险管理、体验运营相关工作经验，有互联网平台型业务背景优先；
2、出色的风险感知敏锐度，能从多种渠道信息主动预判风险，善于从点到面、从现象到本质进行问题拆解与优先级判断；
3、良好的沟通协调与项目管理能力，能够独立主导跨部门协作与复杂型项目，有效协调相关方资源并推进问题的根源解决，能快速落地拿到解决问题的好结果；
4、良好的数据&产品化思维能力，能够基于业务职能制定关键指标监控体系，准确预警，并善于使用产品化方式（含AI能力）解决核心关键体验问题，建设业务风险洞察与解决能力；
5、具备强烈的责任心和Ownership意识，面对风险事件能主动补位、敢于担当，抗压能力强。