1、代码质量门禁审计：在每个软件版本迭代结束时，拉取静态扫描报告，统计严重/主要/次要违例数量，按模块归类，输出《代码健康度审计报告》 2、测试准入/准出卡点：检查单元测试报告中的语句覆盖率和分支覆盖率是否达标；检查集成测试用例是否与需求条目一一对应。不达标则退回研发补充。 3、需求追溯完整性校验：使用Excel宏或Python脚本，核对需求ID是否都有对应的测试用例ID，找出“无测试覆盖的需求”和“无需求依据的测试”，预警团队。 4、软件发版质量评估：每次正式发版（如给客户交样件、DV试验样件）前，汇总三大数据（静态告警数、测试通过率、遗留Bug清单），给出准予/有条件/拒绝发版的明确结论。 5、软件发版质量评估：每周从缺陷管理工具（Jira/禅道）导出Bug清单，按“逻辑错误/接口错误/环境问题/需求遗漏”做初步分类，找出Top1高频问题类型，反馈给研发导师。 6、质量门禁工具链维护：在导师/IT支持下，维护CI（持续集成）流水线中的质量阈值检查项（如：覆盖率低于80%则构建失败），逐步实现卡点自动化。 7、探索AI辅助缺陷分类、质量数据智能分析与预警，逐步实现质量卡点智能化。

1、工作经验：本科及以上学历,计算机、软件工程等相关专业。 2、项目/实习经验（加分项）:有嵌入式软件（STM32/Infineon/瑞萨）开发或测试实习经验；或在校参与过智能车/机器人/无人机竞赛，负责过底层代码。 3、工具熟悉度：至少接触过一种版本管理工具（Git/SVN）、一种缺陷管理工具（Jira/禅道）、一种静态扫描工具（QAC/PC-lint/Coverity/Klocwork，了解即可）。 4、质量意识基础：在校期间写过单元测试（如Google Test/CppUnit） ，了解“覆盖率”概念；或对“代码评审（Code Review）”有基本认知。 5、软实力：逻辑严谨（能从数据推导结论）、沟通不怯场（敢在评审会上拿数据说话）、韧性（被研发怼了还能坚持原则）。 6、了解AI在软件缺陷预测与质量数据分析中的应用者优先。