混元-模型生产平台测试工程师（北京/深圳）

优缺点分析

角色解读

• 技术深耕：成为大模型平台或AI领域的测试专家，在质量工程方法论和自动化技术上有深入研究
• 横向拓展：向测试架构师、质量效能负责人方向发展，负责更大范围的质量体系建设
• 转岗发展：凭借对平台和AI的理解，转向产品经理、项目经理或开发等角色
• 对腾讯混元大模型生产平台进行全流程质量保障，确保平台功能稳定可靠
• 专项负责模型路由、数据标注等核心模块的测试，设计并执行覆盖各种场景的测试方案
• 主导或参与搭建前后端自动化测试框架（如使用pytest, Playwright），提升回归测试效率与覆盖率
• 跟踪线上问题，驱动根因分析与修复，并从用户角度提出产品易用性改进建议
• 扎实的软件测试理论与实战经验，尤其擅长平台级产品的功能、接口与自动化测试
• 掌握自动化测试工具与框架（如pytest, Playwright/Cypress），并能独立搭建测试基建
• 对大模型技术生态有一定了解，包括主流API协议、Agent架构等概念
• 良好的问题分析能力、沟通协作能力以及细致严谨的工作态度

申请策略

• 研究腾讯混元大模型以及相关的To B/To C产品（如腾讯云AI、微信智能对话等），理解该平台可能的业务场景
• 在简历或面试中，可以就“如何测试一个大模型生成的文本质量”或“如何保障数据标注平台的一致性”等问题阐述自己的思路
• 重点突出自动化测试框架的搭建经验（如具体使用的工具、架构和成果）
• 详细描述参与过的复杂平台、网关或后端系统的测试项目，体现质量保障思路
• 如果有任何与AI、大模型、NLP相关的项目经验或技能（哪怕是学习或业余项目），务必明确展示
• 使用量化的数据（如覆盖率提升百分比、回归效率提升时间）来证明工作成果
• 系统学习大模型基础知识，理解主流API协议（如OpenAI格式）和Agent（如Tool Calling）的核心概念
• 深入学习并实践Playwright或Cypress等现代前端自动化测试框架

面试指南

• STAR法则：清晰描述Situation(背景)、Task(任务)、Action(行动)、Result(结果)，突出你的技术决策和贡献
• 结构化思维：对于设计类问题，先明确测试目标和范围，再从功能、接口、性能、安全、兼容性等多个维度展开
• 结合技术：回答AI相关问题时，尝试结合具体的技术概念（如API协议、向量数据库、Prompt工程）来体现你的理解深度
• 请介绍一个你负责过的复杂平台或系统的测试案例，你是如何进行测试设计和保障质量的？
• 如果让你从零开始为混元大模型的数据标注平台设计测试方案，你会考虑哪些方面？
• 你使用pytest和Playwright搭建过自动化测试框架吗？请描述一下你的架构和遇到的挑战
• 你对大模型和Agent有哪些了解？你认为测试这类AI驱动的系统，和传统软件测试最大的区别是什么？
• 线上出现了一个难以复现的、与模型推理相关的Bug，你会如何进行排查和分析？