岗位职责： 1. 构建内建质量的智能交付体系 作为质量文化的核心推动者，您不仅倡导“质量左移”，更将系统性设计内建质量（Quality Built-in）的工程实践与流水线。您将与团队一起，将质量属性（性能、安全、可用性）作为可测试、可监控的代码进行管理，并利用AI能力（如代码风险预测、基于变更的智能测试推荐）在流程早期主动预防缺陷。 2. 领导智能化测试与风险洞察 您将超越传统自动化，主导引入并整合AI赋能的下一代测试技术。这包括但不限于：利用生成式AI进行测试用例与测试数据的设计；应用计算机视觉进行UI自适应验证；通过分析生产数据与日志，构建预测性质量模型，提前识别系统风险与用户体验瓶颈。 3. 工程卓越与质量赋能平台贡献 您将通过参与架构评审、定义可测试性标准，从根本上提升系统的可观测性与韧性。您将致力于设计、开发并运营智能化的质量赋能平台或服务，为产品团队提供自助式的质量分析工具、实时质量态势感知与自动化修复建议，将质量能力工程化、产品化。 4. 数据驱动的质量策略与持续演进 您将主导定义并监控面向业务成果的质量度量体系（如DORA指标、满意度指标）。运用数据科学方法（如根因分析、趋势预测），将海量测试数据、用户反馈与运维指标转化为可行动的洞察，驱动交付流程与质量策略的持续优化。 5. 客户赋能与质量创新引领 在客户侧，您将作为值得信赖的质量转型顾问，指导团队建立可持续的智能质量工程实践。同时，您将是质量工程领域的创新者与思想领袖，通过贡献开源项目、发表见解、打造卓越案例，积极塑造行业在AI时代下的质量新范式。 任职要求

技术技能： - 现代质量工程经验：拥有在敏捷与DevOps环境中，作为质量工程师深度参与端到端产品交付的丰富经验。不仅是测试执行者，更是质量流程的设计与改进者。 - 自动化与智能化测试专长：精通UI、API、性能及安全测试自动化框架。对AI在测试领域的应用（如视觉测试AI、智能测试生成、基于大模型的模糊测试） 有强烈的探索欲与实践经验者优先。 - 工程与架构理解力：能够评审架构与代码，对其可测试性、可观测性及可靠性提出改进建议。熟悉云原生与微服务架构下的质量挑战。 - 数据驱动与AIOps洞察：善于运用数据分析工具（SQL, Python）从质量数据中挖掘洞察。对利用AIOps理念进行异常检测、故障预测与智能告警有浓厚兴趣或实践经验。 - 质量策略与度量：能够设计并落地端到端质量策略，精通使用DORA等指标驱动团队效能与产品质量的改进。 专业素养： - 系统性思维与顾问影响力：具备从系统视角分析和解决复杂质量问题的能力。能够以顾问身份，通过卓越的沟通与示范，影响客户与团队共同构建“质量共同体”。 - 产品思维与用户共情：始终以用户价值与业务成果为最终标尺，致力于确保交付“正确的、高质量的产品”，并善于将用户体验研究转化为具体的质量保障活动。 - 创新热情与学习敏捷性：对AI、数据科学如何变革质量保障体系充满好奇与热情。能快速学习新技术，并务实地评估其在具体场景下的价值与风险，具备强大的适应性。 - 协作与赋能精神：在多元、开放的环境中成长，善于整合不同观点。热衷于知识分享、指导他人，赋能团队提升整体质量工程能力。