千问事业部-高级AI应用研发工程师-网盘质量

优缺点分析

角色解读

• 深耕AI应用质量工程，向AI测试架构师、质量工程专家方向发展
• 积累大模型/Agent工程化与评测体系经验，可转向AI应用研发、平台工程或技术管理岗位
• 在核心产品线中承担更复杂链路的质量体系设计，提升跨团队影响力
• 负责夸克网盘、网盘Agent、扫描王及扫描王Agent等产品的质量保障，参与需求与架构评审，在AI功能设计阶段前置质量视角
• 用大模型、Agent、MCP重构用例生成、测试数据构造、环境编排和结果校验，建设测试全流程的AI提效与质量保障体系
• 建设线上监控与问题trace能力，分析业务/技术指标和异常模式，保障服务稳定性并推动用户体验提升
• 通过全链路数据、用户行为、效果评测和竞对分析定位业务问题，驱动解决并赋能业务目标达成
• 扎实的计算机基础与至少一门主流语言（Python/Java/TypeScript优先），能独立设计和交付工具、服务与自动化系统
• 对大模型/Agent有工程认知，理解工具调用、上下文管理、多Agent编排、Eval，并有真实业务落地案例
• 具备用户型产品的功能、性能、稳定性测试经验，以及线上监控、问题分析和数据驱动质量决策能力
• 良好的沟通协作、目标导向和探索能力，能把个人实践抽象成可复用方法论或工具

申请策略

• 简历中针对夸克网盘/扫描王等产品场景定制案例，突出复杂链路和用户体验质量经验
• 面试前了解千问事业部与夸克业务，准备对AI功能质量兜底、灰度和评测机制的看法
• 突出3年以上研发/质量工程经验，尤其是独立设计并交付工具、服务或自动化系统的案例
• 重点展示大模型/Agent在测试或质量场景的真实落地，包括工具调用、上下文管理、多Agent编排和Eval设计
• 用数据说明质量改进成果，如有效Bug率、漏出率、自动化覆盖率、效果通过率等指标变化
• 体现对AI Coding的熟练使用和代码审查能力，以及对模型幻觉、输出不稳定的工程化应对
• 补充AI Agent工程化知识，熟悉MCP、Eval、工具调用和多Agent编排的常见方案
• 准备一个可讲述的测试提效案例，覆盖需求解析、用例生成、执行编排、结果裁决全链路

面试指南

• 用STAR结构讲清背景、目标、方案、结果，重点说明为什么这样设计以及如何验证效果
• 对AI Agent问题，先说明能力边界和人机分工，再讲工具链、Eval、兜底和灰度机制
• 对质量体系问题，从目标拆指标、分层测试、线上监控、数据闭环四个层面回答
• 你如何理解AI Agent在测试流程中的能力边界？有哪些环节适合自动化，哪些仍需人机协同？
• 请分享一个你用大模型/Agent解决实际测试或质量问题的案例，如何设计Eval和兜底策略？
• 面对网盘/扫描类产品的复杂链路，你会如何设计质量保障体系和线上监控指标？
• 如何应对模型幻觉和输出不稳定对测试结果的影响？
• 你如何用数据证明测试提效或质量改进的价值？