WorkBuddy-工程质量工程师

1.体系从 0 到 1 建设：负责团队工程能力与研发效能体系的规划与落地，覆盖构建、测试、评审、发布、反馈全链路；与各业务研发团队协同，以真实交付效率与线上质量为反馈信号持续迭代。岗位为工程复合型，可侧重任一方向，但需理解其余方向； 2.落地「质量左移」：把工程质量前置到需求与设计阶段——建立可执行的评审门禁（需求可测性评审、技术方案评审 checklist、接口契约与契约测试、变更影响面分析、架构守护），让"设计阶段多花 1 小时，下游少花 100 小时"成为团队共识； 3.落地「责任右移」：建立自测、内测体验、灰度发布与线上反馈闭环——研发自测标准与提测门禁、内测/灰度/金丝雀发布与快速回滚、线上问题快速定位（可观测性建设）与无责复盘（Postmortem）、用户反馈到缺陷单的闭环追踪； 4.构建与测试基础设施：引入并深度定制 Bazel 等构建系统，实现增量构建与增量测试，建设远程缓存／远程执行能力，量化并持续压缩构建与 CI 时长；建设 UT（单元测试）、BVT（构建验证测试）、E2E（端到端自动化测试）的分层测试框架与流水线，治理 flaky test、提升覆盖率与稳定性，让"改一行代码，短时间内在本地拿到可信反馈"成为常态； 5.工程文化与规范建设：建设并运营Code Review 体系（评审标准、评审人培养与认证、评审数据度量），推动主干开发（Trunk-Based Development）、小批量高频合并、代码风格与架构一致性（Style Guide + 自动化格式化 + 静态分析 + 依赖约束），并通过内部分享把方法论与背后的逻辑讲透，形成可传承的工程认知，而不是只发规范文档； 6.工具化与平台化：把上述工程认知沉淀为工具与平台能力（CI/CD、测试调度与选择、覆盖率门禁、依赖与变更分析、变更风险识别、AI 辅助代码审查与测试生成等），让落地不依赖个人自觉，而依赖系统默认； 7.度量与持续改进：建立研发效能度量体系（构建时长、变更前置时间、变更失败率、MTTR、缺陷逃逸率、测试覆盖率与稳定性、评审时长与迭代轮次等），用数据定位瓶颈、验证收益、驱动改进，拒绝"感觉变好了"； 8.能力建设与布道：面向不同层级研发开展工程方法论的培训与工作坊，参与关键项目的工程方案评审，培养团队内部的工程骨干，逐步把能力交还给业务团队。 1.计算机相关专业本科及以上学历；对软件工程本身有真诚的兴趣与信仰，认同"工程能力是团队的长期竞争力"； 2.扎实的"古典"工程基本功：数据结构与算法、操作系统、编译/构建原理、计算机网络、数据库基础扎实；熟悉至少一门主力语言（C++ / Java / Go / Python / Rust 等），有大规模生产代码的实战经验，能读懂并改造百万行级代码库的构建与依赖体系； 3.深入理解构建系统原理：熟悉 Bazel / Buck / Pants / Gradle / CMake / Make 中至少一种，理解依赖图、增量构建、sandbox 隔离、远程缓存与远程执行机制；有实际把构建或 CI 时长显著降低的量化经验者优先； 4.完整掌握分层测试理论与落地：清晰理解 UT / BVT / E2E 的边界划分与取舍，熟悉测试替身（mock / stub / fake）、契约测试、集成测试与端到端自动化（Playwright / Selenium / Appium 或自研框架），有治理 flaky test、提升覆盖率与稳定性的实战经验； 5.熟悉持续交付与主干开发：CI/CD 流水线设计（Jenkins / GitLab CI / GitHub Actions / 自研）、灰度与金丝雀发布、特性开关（Feature Flag）、快速回滚、可观测性（日志 / 指标 / Tracing）； 6.对代码质量与 Code Review 有方法论级理解：了解评审机制、风格指南、静态分析与类型系统、架构守护（依赖约束测试），能持续产出并评审出高质量代码； 7.读过并理解《Google 软件工程》（Software Engineering at Google）等经典工程著作，能把书中的工程认知翻译成团队可执行的制度与工具，讲清"为什么这样做"； 8.具备工具与平台建设能力：能独立完成从需求定义、方案设计、原型验证到规模化落地的完整链路（能写脚本、能建服务、能做 CLI / 插件 / IDE 集成）； 9.深度使用过一种或多种 AI Coding 工具，理解其能力边界，能把 AI 有效嵌入构建、测试、评审、发布链路以放大自身产出；同时对 AI 生成内容保持"工程化的不信任"——用自动化测试、门禁与评审兜底，而不是靠人肉复核； 10.良好的沟通与布道能力：能面向不同层级研发讲清工程方法论背后的逻辑，推动跨团队共识与落地；具备英文文献阅读能力。