测试开发工程师（深圳/北京）

优缺点分析

角色解读

• 向资深测试开发专家发展，深耕AI测试领域，成为行业内的技术权威
• 转向测试架构师或质量效能负责人，主导更大规模的平台建设与团队管理
• 转型为AI应用开发或算法工程方向，利用对AI全流程的理解拓展职业边界
• 为腾讯混元中台及AI产品提供端到端的质量保障，设计并执行系统性测试方案
• 建设和优化自动化测试平台，引入AI技术（如智能用例生成）提升测试效率
• 主导专项测试攻关，管理缺陷全生命周期，确保产品高质量交付
• 扎实的编程能力（Python/Go），具备测试工具和框架开发经验
• 熟悉微服务架构、K8s环境，掌握接口自动化及性能测试技能
• 了解大模型研发流程（MLOps），有AI测试或AI Native项目经验者优先

申请策略

• 关注腾讯混元大模型的最新动态，在面试中展示对业务的理解
• 准备具体的案例，说明如何通过技术手段显著提升测试效率或质量
• 突出Python/Go语言在项目中的实际应用，特别是自动化框架开发的成果
• 强调在微服务、K8s环境下的测试经验，以及性能测试的具体指标提升
• 若有AI相关项目经验，重点描述如何利用AI技术解决传统测试痛点（如用例生成、缺陷定位）
• 深入学习大模型基本原理及MLOps流程，了解LLM评估指标
• 强化容器化技术（Docker/K8s）在测试环境中的应用能力
• 提升数据分析能力，能够通过测试数据发现系统潜在风险

面试指南

• STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)，用数据量化成果
• 技术深度：不仅回答怎么做，还要解释为什么这么做，对比其他方案的优劣
• 业务视角：将技术问题与业务价值（如用户体验、发布效率）联系起来
• 请介绍你过去构建的自动化测试框架，解决了哪些痛点？
• 在微服务架构下，如何进行有效的接口自动化和性能测试？
• 你对大模型测试有哪些理解？如何评估一个LLM的效果？
• 如果线上出现偶发性缺陷，你的排查思路是什么？
• 如何推动研发团队提高代码质量，减少测试阶段的Bug？