阿里巴巴
高德-高级测试开发工程师-北京
高德-高级测试开发工程师-北京
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公测试开发
测试开发
Aigc
Llm
Rag
Spring Ai
多模态模型
测试开发
质量保障
值不值得投
74综合评分
综合评分 74
核心业务质量保障叠加LLM/多模态落地的技术成长型岗位，办公模式与WLB信息未明。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
4.0万
与测试开发中位数基本持平
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 4140 个在招 · 其中测试开发 44 个
市场机会
选择面较广
北京 · 测试开发 · 约 180 个在招
职位详情
关于这个职位
该岗位负责高德导航规划、地图渲染、地图数据编译等核心服务端系统的质量保障与测试体系建设
核心亮点是需要将大模型能力（LLM、多模态、Agent）落地到测试用例生成、效果评测、自动化测试与问题归因等环节，是一个测试开发与AI应用深度结合的岗位
最低要求
本科及以上学历，计算机相关专业优先，具备良好的沟通协作和问题分析能力
掌握 Python / Java 等一门或多门语言，了解 Spring AI、LangChain 等框架，具备从 0 到 1 独立完成 AI 工具/平台开发的经验
工作职责
负责导航规划、地图渲染、地图数据编译等核心服务端系统的全面质量保障和测试体系建设
发现工作中的痛点与低效问题，将大模型能力应用到质量保障各环节，包括但不限于：基于LLM的测试用例生成、基于多模态模型的效果评测与异常检测、基于Agent的自动化测试与问题归因分析，从挖掘场景→方案设计→技术落地→收益度量全流程参与
关注行业技术（LLM、多模态模型、AIGC等）发展，不断丰富测试能力
优先资格
有以下一个或多个方向的实际落地经验优先：LLM应用（Prompt Engineering、RAG、Agent等）、多模态模型（图像/视频理解、生成模型）、模型微调、AI在测试领域的应用（如自动生成用例、智能评测、缺陷分析等）
有大型互联网、地图、大数据等领域测试经验者优先
AI 洞察
优缺点分析
优点
- 岗位处在测试开发与AI应用的交汇点，大模型落地经验稀缺且保值
- 背靠高德地图核心业务，可接触导航、渲染、地图数据等大体量服务端系统
- 全流程参与从场景挖掘到收益度量，锻炼端到端的工程与业务能力
- 方向明确鼓励跟进LLM、多模态、AIGC等前沿技术
- 大模型在测试环节的落地往往缺乏成熟范式，需要自己探索并证明收益
- 核心服务端系统的质量保障责任重、场景复杂，对问题分析能力要求高
- 适合既有测试开发经验、又对LLM与多模态技术有实际落地热情，愿意在前沿与工程之间做结合的工程师
缺点 / 挑战
- 要求既有扎实测试开发功底，又要具备AI工具/平台的独立落地能力，技术门槛较高
角色解读
- 可在测试开发方向深耕，成长为AI质量工程或测试架构方向的技术专家
- 借助大模型落地经验，横向拓展到AI应用工程、算法评测等更高价值的岗位
- 在大型互联网与地图业务中积累复杂系统质量保障经验，具备向技术管理转岗的基础
- 负责高德导航规划、地图渲染、地图数据编译等核心服务端系统的质量保障与测试体系建设
- 将LLM、多模态模型、Agent等大模型能力落地到测试用例生成、效果评测、异常检测与问题归因等环节
- 从挖掘场景、方案设计到技术落地与收益度量，端到端推动测试效率与质量的提升
- 扎实的编程能力，掌握 Python/Java 至少一门语言，并了解 Spring AI、LangChain 等AI框架
- 具备从 0 到 1 独立开发 AI 工具或平台的经验，能把大模型能力工程化落地
- 熟悉 LLM 应用（Prompt、RAG、Agent）、多模态或模型微调等方向，并有实际项目经验
- 良好的沟通协作与问题分析能力，理解服务端系统测试体系的搭建
申请策略
- 了解高德地图的业务形态与核心服务端链路，面试时能结合导航、渲染等场景谈测试思路
- 准备好阐述大模型落地从场景到收益度量的完整闭环，体现工程落地而非仅停留在概念
- 突出从 0 到 1 独立开发 AI 工具/平台的完整项目经历，说明解决了什么质量问题
- 展示 LLM 应用（Prompt、RAG、Agent）或多模态、模型微调的具体落地案例与量化收益
- 强调 Python/Java 编程能力与测试体系建设经验，尤其是服务端或大型系统的质量保障
- 如有地图、大数据、大型互联网测试经验，务必在简历中明确列出
- 补齐 LangChain、Spring AI 等框架的实操能力，能独立搭建一个小型AI测试工具原型
- 系统梳理LLM应用与多模态评测的方法论，准备可讲述的项目复盘
面试指南
- 用『背景问题→方案设计→技术选型→落地过程→量化收益』的STAR结构讲项目
- 技术问题先讲清原理与取舍，再落到具体场景与数据，避免只谈概念
- 体系类问题从分层测试、自动化、质量度量指标到持续改进给出结构化思路
- 请介绍一个你从 0 到 1 开发的AI工具或平台，解决了什么测试痛点、收益如何度量？
- 你如何用LLM做测试用例生成或缺陷归因？遇到过哪些效果问题，怎么优化？
- 在多模态模型的效果评测与异常检测上，你有哪些实践经验？
- 面对导航/地图渲染这类核心服务端系统，你会如何设计质量保障与测试体系？
- 你如何跟踪LLM、Agent、AIGC的行业进展并转化为测试能力？
职位点评
薪资福利78
成长发展88
工作生活52
使命价值68
薪资福利
78中等
职位位于北京核心研发团队，高级岗位对应较好的薪酬区间，但JD未披露具体薪资与福利信息。
薪资信号未披露（AI估算：3.0千–5.0万/月）
成长发展
88较高
岗位明确要求将LLM、多模态、Agent等前沿技术落地到测试全流程，技术成长与项目锻炼价值突出。
技术前沿前沿/新兴技术
技术栈Python、Java、LLM、LangChain、Spring AI、RAG、Agent、多模态模型、AIGC
业务类型ambiguous
工作生活
52较低
JD未提及办公模式、弹性工时或加班相关信息，工作节奏与灵活性暂无明确线索。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
68中等
服务导航规划与地图渲染等核心业务，产品具有较高的日常使用价值，同时积极引入大模型新技术。
行业发展稳定成熟行业
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs