腾讯云-AI Agent测试工程师

优缺点分析

角色解读

• 向AI测试架构师或测试专家方向发展，主导智能化测试体系建设
• 横向拓展至AI工程或大模型应用岗位，成为技术多面手
• 在腾讯内部可晋升为技术 leader，管理测试团队或技术项目
• 设计并落地多Agent协作架构与Testing Harness工程体系，支撑智能测试闭环
• 将测试能力封装成标准化Skill/MCP，构建跨产品线复用的智能测试底座
• 建设Agent端到端评测体系，量化AI对测试效率的实际提升
• 推动AI能力集成到CI/CD流水线，实现智能化测试左移与右移
• 扎实的编程能力（Python/Go/Java），具备中大型系统架构设计经验
• 熟悉LangGraph、AutoGen、MCP等Agent框架及核心范式
• 掌握LLM/Agent评测体系建设，具备Testing Harness从0到1经验
• 深厚的自动化测试、质量度量、缺陷分析等测试基础

申请策略

• 关注腾讯云的技术博客和开源项目，提前了解其测试体系和AI方向布局
• 面试前准备好一个完整的Agent测试架构设计案例，展示从需求分析到落地效果的全流程
• 突出LLM/Agent工程实践项目，尤其是从0到1建设评测体系或Testing Harness的经验
• 强调编程能力和系统架构设计案例，展示中大型项目的技术难点和解决方案
• 列出自动化测试、质量度量等测试基础能力的具体成果，如覆盖率提升、缺陷减少等量化数据
• 如果有云产品、分布式系统、eBPF、开源贡献或论文专利，务必重点呈现
• 加强LangGraph、AutoGen、MCP等Agent框架的动手实践，理解其内部机制
• 补充RAG、Planning、Reflection等Agent核心范式知识，构建系统化认知

面试指南

• 对于架构设计类问题，采用'需求分析-方案设计-技术选型-落地效果'的结构化回答，强调关键决策和trade-off
• 对于评测体系问题，先定义评测目标，再按'指标选取-数据收集-评估方法-迭代优化'的框架展开，突出量化结果
• 对于挑战类问题，结合具体案例，描述问题背景、解决思路、实施步骤和最终成效
• 请描述你曾经设计的一个多Agent协作架构，如何确保各Agent协同工作并评估效果？
• 如何构建一个LLM/Agent评测体系？你会关注哪些指标？
• 在将AI集成到CI/CD流水线时，你遇到过哪些挑战？如何解决？
• 请解释MCP协议及其在智能测试底座中的作用
• 假设有一个云产品的测试场景，你如何设计Testing Harness来支持Agent自动生成和执行测试用例？