乌鸫科技-全栈测试工程师-AIDATA 产品

优缺点分析

角色解读

• 纵向可向测试架构师、质量保障负责人发展，主导整条产品线的质量体系建设
• 横向可转向 AI 应用工程、数据工程或研发效能方向，测试 Agent 化经验是很好的跳板
• 随着大模型数据生产链条成熟，同时具备 AI 数据质量与评测能力的工程师稀缺度较高
• 负责 AIDATA 标注产品的重点版本测试，覆盖数据集处理、任务流转等核心链路，并管理维护测试数据集
• 主导自动化回归、质量门禁与测试体系化建设，持续提升交付效率与测试覆盖率
• 推动测试能力 Agent 化，让用例分析、执行、失败归因与闭环尽可能自动化完成
• 参与技术评审提前识别质量风险，并通过数据分析定位系统性问题、推动开发修复
• 端到端测试方案设计与落地能力，能从需求评审一路跟进到上线验证与问题闭环
• 熟悉 CI/CD 与数据管道工程，能编写复杂 SQL 查询并做性能调优，把核验流程自动化
• 掌握 Java / SQL / Python 中至少一门语言，能独立开发测试工具与自动化脚本
• 了解 LLM Agent 等大模型应用范式，理解数据标注流转、训练数据评估与 RLHF 校验的场景

申请策略

• 面试前了解 AIDATA 数据标注产品的业务流程，思考标注质量如何度量、如何做成质量护栏
• 准备一个在业务压力下推动质量体系或自动化落地的完整案例，体现推动力与取舍判断
• 突出端到端测试方案设计经验：需求评审、用例设计、自动化覆盖、上线验证的完整闭环
• 量化自动化建设成果，如回归覆盖率提升、发布周期缩短、线上缺陷率下降等指标
• 展示 CI/CD 或数据管道实践，如流水线搭建、数据校验脚本、SQL 性能调优案例
• 如有数据标注、训练数据评估、RLHF 校验或 AI 数据生产经验，单独列出一段说明
• 补强 SQL 复杂查询与性能调优，熟悉数据管道与数据质量校验的常见做法
• 了解 LLM Agent 的基本范式与评测方法，动手做一个自动化测试 Agent 的小 demo 会明显加分

面试指南

• 行为题用 STAR 结构：先界定业务背景与质量痛点，再说方案设计与关键取舍，最后给出可量化的结果
• 技术题按「问题拆解—方案选型—落地细节—风险兜底」四步回答，体现工程判断而不只是工具罗列
• 涉及 AI / Agent 的问题，先讲清目标与边界，再讲具体实现路径和验证方式，避免空谈概念
• 你如何为一个数据标注类产品设计端到端测试方案？重点覆盖哪些链路？
• 介绍一下你搭建过的自动化回归体系和质量门禁，覆盖率是如何提升的？
• 如果让你用 LLM Agent 做测试流程自动化，你会怎么设计分析、执行和归因环节？
• 线上出现数据类缺陷时，你如何定位根因并推动闭环？
• 你熟悉 CI/CD 的哪些环节？在数据管道上做过哪些质量校验？