基模生产平台QA（深圳/北京）

优缺点分析

角色解读

• 在AI测试领域深耕，成为模型质量保障专家，负责更核心的AI平台和产品的质量体系
• 向测试开发架构师方向发展，主导自动化测试平台和工具链的架构设计与建设
• 横向拓展至AI产品研发、DevOps等相邻领域，成为具备研发和测试双重能力的复合型人才
• 负责基础模型生产平台的质量保障，设计覆盖模型训练、部署、推理、评估全流程的测试方案，确保AI模型的准确性和稳定性
• 建设自动化测试平台和工具，推动测试过程高度自动化，沉淀可复用的用例资产和质量基线，提升测试效率
• 针对Agent CLI等产品形态开展端到端测试，模拟真实用户场景，保障产品在复杂使用环境下的可靠性
• 统筹把控需求质量、缺陷跟踪与风险同步，与开发、产品团队协作，推动问题闭环解决
• 扎实的编码能力，能够独立开发测试工具，熟悉至少一种主流编程语言（如Python、Java、Go）
• 熟悉自动化测试框架和工具，具备前端或后端自动化测试经验，能够构建和维护自动化测试体系
• 了解模型部署、推理、评测的基本流程，有相关测试经验者优先
• 具备复杂平台端到端质量保障经验，能够设计全面、有效的测试策略

申请策略

• 在申请时表达对AI质量保障领域的热情和理解，展示自己对该岗位价值的认同
• 可以提前了解腾讯在AI基础设施方面的布局和产品，在面试中展现对业务的理解
• 突出复杂平台端到端测试经验，用具体项目说明如何设计测试方案、保障产品质量
• 强调自动化测试能力，展示自己开发的测试工具或搭建的自动化框架，最好有量化成果（如效率提升百分比）
• 如有Agent CLI、模型部署/推理/评测相关经验，务必重点提及，这是加分项
• 体现对质量的责任心和敬畏心，可以通过描述过往发现并推动解决重大缺陷的案例来证明
• 系统学习AI模型部署、推理和评测相关知识，了解主流框架（如TensorRT、vLLM）和评测方法
• 熟悉Agent CLI等命令行工具的使用和测试方法，了解其工作原理和常见问题

面试指南

• 回答项目经验类问题时，采用STAR法则（情境-任务-行动-结果），清晰描述背景、你的职责、具体行动和量化成果
• 回答技术理解类问题时，先阐述基本概念和流程，再结合自己的实践经验说明关键点和难点，最后总结自己的见解
• 回答场景类问题时，展现结构化思维，先分析问题核心，再提出解决方案，并说明权衡取舍
• 请介绍一个你负责过的复杂平台端到端测试项目，你是如何设计测试方案的？
• 你如何理解模型部署、推理、评估流程中的质量风险点？
• 请举例说明你如何开发一个自动化测试工具来解决测试效率问题
• 在项目时间紧张的情况下，你如何平衡测试覆盖率和上线时间？
• 你如何看待Agent CLI这类产品的测试挑战？