深圳质量研究员
质量研究员是在制药、化工、食品等行业中从事质量管理和质量控制工作的专业人才。他们负责开展产品质量的研究和评估，确保产品符合相关的法规和标准。质量研究员可能会参与新产品研发阶段的质量评估，制定质量控制标准，进行原材料和成品的质量检测，以及处理产品质量问题。此外，质量研究员还可能负责监督生产过程，确保生产设备符合质量要求，并协助制定相关质量管理的政策和流程。他们需要具备严谨的科学研究方法、丰富的质量管理经验和良好的沟通能力，以确保产品的质量和安全。对于质量研究员来说，持续学习和不断改进工作方法也是非常重要的。
薪酬概览
平均月薪
¥10700
中位数 ¥8500 ｜ 区间 ¥8900 - ¥12600
数据来源：谈职全网20份招聘数据；更新时间：2026年7月13日
月薪分布
45% 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
38
对比上月：岗位新增33
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 | 26 | 78.8% |
| 1-3年 | 2 | 6.1% |
| 3-5年 | 5 | 15.2% |
热招职位
1、制定IC类技术发展路标，识别有价值的新材料、新技术、新工艺并能够应用于产品；
2、分析研发需求，并针对IC类器件给出合理、专业的选型意见；
3、负责IC类新选型器件的认证全流程管理，识别认证风险并负责跟踪至有效闭环；
4、负责供应商质量管理策略及规划的制定，监控供应商质量管理措施执行，以及供应商质量绩效的定期考核评价；
5、负责供应商质量体系和制程管控现场审核（QSA、QPA、CSR、环保等）；
6、负责质量问题的解决，协同供应商持续改善质量。
1、制定本品类技术发展路标，识别有价值的新材料、新技术、新工艺并能够应用于产品；
2、分析研发需求，并针对本品类器件给出合理、专业的选型意见；
3、负责本品类新选型器件的认证全流程管理，识别认证风险并负责跟踪至有效闭环；
4、负责本品类供应商质量管理策略及规划的制定，监控供应商质量管理措施执行，以及供应商质量绩效的定期考核评价；
5、负责供应商质量体系和制程管控现场审核（QSA、QPA、CSR、环保等）；
6、负责本品类质量问题的解决，协同供应商持续改善质量。
1.有AI产品/智能助手/对话式交互/RPA/自动化工具相关产品经验；
2.对大语言模型（LLM）有基本理解，了解Prompt Engineering、Agent、Function Calling等概念；
3.有工具类产品经验（效率工具、文件管理、远程协作等），理解工具产品的留存逻辑；
4.有开源社区运营或开发者生态建设经验；
5.自己是AI工具的深度用户，日常使用各类AI Agent/Copilot产品。
1.有桌面端（Windows/macOS）产品经验，了解客户端产品的特殊性；
6.有商业化产品策划经验（订阅制/增值服务/定价策略）。
1.有大型互联网、游戏、金融、科技企业供应商安全或合研安全建设经验；
2.有高风险外包、外部研发、驻场团队、供应商安全事件处置经验；
3.有 AI 工具治理、AI 数据安全、企业 SaaS 安全或供应商安全专项经验；
4.有安全团队管理或专项负责人经验。
1、主导组织质量风险评估、完成质量策划,建立全面有效的预防机制
2、指导建立产品/人员质量预防机制，指导实施过程准备工作,建立稳健的、可持续输出满足顾客期望产品的生产过程
3、统筹维护与研发等相关部门的接口流程及内部相应的质量管理流程,促进产品质量策划与过程管理工作的有效实施
4、参与跟进方案阶段的高风险系统技术方案评审,把关技术可行性和品质风险
5、-
6、-
1. 建立并运营无人机工厂EHS体系、消防安全体系，通过AI完成安全管理系统建设，支持完成外部安全生产、消防检查；
2. 统筹国内各飞行测试场安全管理工作，排查飞行、消防、工伤安全隐患，预防事故发生；
3. 负责全业务安全监督检查工作，通过线上、线下、AI等手段发现安全隐患，并闭环整改；
4. 负责消防安全事故调查，完成事故调查报告和闭环跟进；
腾讯游戏品质管理部-AI测试平台产品负责人-高级技术产品经理
1.有AI产品经验（LLM / Agent / Copilot类）；
2.有测试/质量领域经验（QA / 自动化 / 游戏测试）；
3.有游戏行业经验（尤其是大型项目）；有数据产品/指标体系经验。
1. 负责 AI 安全研究方向规划与关键场景设计：面向安全运营、威胁检测、事件响应、漏洞分析、攻防验证等方向，规划 AI 在安全业务中的应用路径，明确能力边界、技术路线、评估方法和落地优先级。
2. 主导 AI+SOC 智能研判体系建设：设计预警研判、攻击链溯源、威胁情报关联、安全日志分析、处置能力建设等核心能力，推动 SOC 从人工经验驱动向 AI 辅助研判、证据化分析和自动化闭环演进。
3. 主导安全 Agent / Workflow 架构设计：负责安全场景下 Agent、RAG、工具调用、任务拆解、上下文管理、结果校验和人工确认机制的架构设计，构建面向安全分析师的智能研判助手和自动化分析流程。
4. 牵头 AI 赋能攻防研究与验证：探索大模型在代码审计、漏洞分析、Fuzzing Harness 生成、渗透测试路径辅助、攻击链推理、检测规则生成等方向的应用，形成可复用的方法、工具和研究成果。
5. 建立 AI 安全应用评测与风险控制机制：负责 AI 安全能力的效果评估和风险控制，包括准确性、可解释性、误报漏报、证据完整性、提示
