【28届实习】Product Engineer-产品工程师（Al全栈/应用研发方向）-质效研发

优缺点分析

角色解读

• 初级阶段：从执行具体AI质量任务开始，快速掌握LLM与测试工程结合点
• 成长阶段：主导子模块或功能的设计与开发，成为能独立负责项目的Product Engineer
• 高级方向：向AI质量架构师或技术专家发展，引领质量范式的创新与落地
• 设计和实现基于AI的测试Agent产品，覆盖测试设计、用例生成、缺陷诊断等全流程
• 研究并攻克LLM在软件质量场景下的核心难题，如智能用例生成与缺陷分析
• 深入小红书具体业务，用AI技术重新定义和优化测试保障流程
• 参与构建公司级的质量工具和知识生态，推动最佳实践的沉淀与复用
• 扎实的编程能力（至少一门主流语言）和计算机基础知识（数据结构、算法、网络等）
• 对AI/LLM/Agent技术有深入理解或实践经验，具备AI Native思维
• 快速学习与独立思考能力，能在高不确定性环境中探索并解决问题

申请策略

• 深入研究小红书的产品和业务（社区、电商等），思考在这些复杂场景下，质量保障可能面临的独特挑战
• 在面试中展现出对“AI重构测试”这一使命的深刻理解和长期热情，而不仅仅是完成任务
• 突出与LLM、Agent、AI Coding相关的个人项目、课程作业或研究成果，哪怕规模小也说明原理和实践
• 强调扎实的计算机基础课程成绩和对算法、数据结构的掌握程度
• 展示独立解决问题和学习新技术的具体事例，体现主动性和快速学习能力
• 如果有任何软件测试、质量保障或自动化相关的经验或思考，应重点描述
• 系统复习和深化大语言模型、Prompt Engineering、Agent架构等核心概念
• 实践使用AI工具（如GitHub Copilot）辅助开发，并思考其对测试流程的潜在影响

面试指南

• 理解类问题：结合JD中的具体职责（如用例生成、缺陷诊断），从“理解需求/代码 -> 设计测试点 -> 生成/执行 -> 评估反馈”的流程切入，说明AI各环节能带来的效率和质量提升
• 技术原理类问题：围绕“感知（输入）-推理（LLM）-行动（工具调用/输出）”的Agent基本范式展开，并强调针对质量场景的适配（如需要测试知识库、覆盖率度量等）
• 开放性问题：采用“现状痛点 -> AI解决方案 -> 预期效果与挑战”的框架来组织回答，体现思考深度
• 你如何理解“用AI重构软件质量体系”？请举例说明AI可以在测试流程的哪些环节发挥作用？
• 请描述一个你使用过或了解的Agent/LLM应用，分析其技术原理和可能用在质量测试中的点
• 谈谈你对“上下文工程”或“工具调用”在Agent中作用的理解
• （技术题）如何利用LLM自动生成一段给定功能的测试用例？可能会遇到哪些难点？
• 准备1-2个与AI、自动化或质量相关的个人项目案例，能清晰阐述背景、你的角色、技术选型和最终效果