滴滴出行
国际金融资深测试开发工程师/专家
国际金融资深测试开发工程师/专家
发布于 大约 8 小时前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
本科
软件工程
Ai Agent
Llm
Rag
分布式事务
大数据测试
微服务
模型测试
消息队列
自动化测试
AI 估算 · 30k–50k
高级测试开发+金融风控稀缺方向，技术栈前沿（AI/LLM），北京互联网大厂，薪资有竞争力。
职位详情
关于这个职位
该职位负责滴滴金融科技风控领域的质量保障工作，需要构建并优化自动化回归、大数据测试、模型测试、流量仿真等质量体系，确保风控核心系统的高稳定性和高可用性
你将主导风控全生命周期的质量保障，并通过AI技术提升测试效率与覆盖度
适合具备深厚测试开发经验、熟悉AI/LLM应用测试的资深工程师
最低要求
统招本科及以上学历，计算机、软件工程或相关专业
年及以上互联网行业质量保障经验，有金融、支付、电商行业背景者优先
精通 Python/Java中至少一门语言，具备扎实的工程编码能力，熟悉分布式系统架构，理解微服务、消息队列、分布式事务等核心概念， 具备完整的自动化测试体系建设经验（接口/UI/性能），熟练使用主流测试框架
具备 AI 产品或 LLM 应用（如 RAG、AI Agent、对话系统）的测试实践经验，熟悉 Prompt 工程，能够设计针对大模型输出质量的评测方案（准确性、幻觉率、一致性等），有 AI 自动化测试 Coding 工程化落地经验，能利用 AI 工具提升测试效率与覆盖度，了解 AI/ML 模型评估方法，掌握数据集构建、标注质量管控及评测指标体系设计，熟悉主流 AI 开发框架（如 LangChain、OpenAI SDK、Hugging Face）及 AI 基础设施
具备质量体系设计与推动能力，能跨团队驱动研发流程规范落地，数据驱动思维，善于通过质量数据发现系统性问题并推动改进
英语可作为工作语言（读写），具备口语交流能力者优先
工作职责
负责Fintech风控领域的测试保障工作
负责金融风控体系的质量架构（通过不限于自动回归集合，大数据测试，模型测试，流量仿真等），主导构建并持续优化风控全生命周期全链路的质量保障体系
负责金融风控核心系统的高稳定性、高可用和安全性，制定可提升风控系统稳定性、可靠性、可恢复性的总体测试策略和落地
通过前瞻性的思考、机制建设，规避风控全域质量风险
优先资格
英语可作为工作语言（读写），具备口语交流能力者优先
AI 洞察
优缺点分析
优点
- 金融科技+AI双热门领域，职业前景广阔，技能积累稀缺性强
- 滴滴作为大型互联网平台，能接触到高并发、高可用的分布式系统，技术成长快
- 岗位涉及从传统自动化到AI测试的全面技术栈，适合追求技术深度的候选人
- AI测试尚处早期，方法论和工具不够成熟，需要较强的探索和工程化能力
- 跨团队协作频繁，沟通成本高，需要软技能支撑
- 适合具备4年以上测试开发经验、对AI测试充满兴趣、希望在金融科技领域深耕的资深工程师
缺点 / 挑战
- 金融风控对系统稳定性和安全性要求极高，测试压力大，需应对复杂业务逻辑
角色解读
- 技术纵深发展：成为测试架构师或质量专家，主导大型系统的质量保障
- 横向扩展：在金融风控领域深入理解业务，转型为测试经理或技术负责人
- AI测试方向：随着LLM应用普及，成为AI质量保障领域的稀缺人才
- 设计并落地风控系统的自动化回归、大数据测试、模型测试和流量仿真等质量保障方案
- 参与测试框架和基础设施的搭建，推动测试流程标准化和工具化
- 对AI/LLM应用（如RAG、AI Agent）进行专项测试，评估大模型输出质量并优化评测方案
- 与开发、产品团队协作，通过质量数据分析推动系统稳定性改进
- 精通Python或Java，具备扎实的编码能力和分布式系统知识（微服务、消息队列等）
- 丰富的自动化测试体系建设经验，熟练使用主流测试框架
- 掌握AI/LLM测试方法，熟悉Prompt工程、模型评估指标及AI开发框架（LangChain等）
- 强大的质量体系设计与跨团队推动能力，数据驱动思维
申请策略
- 面试前了解滴滴金融的业务方向（如国际支付、信贷），思考质量保障痛点
- 准备一个完整的测试架构设计案例，能清晰阐述从需求到落地的全过程
- 突出自动化测试体系建设经验，特别是接口/UI/性能测试的落地案例
- 重点展示AI/LLM测试相关项目，如RAG评测、AI Agent测试、Prompt工程实践
- 强调分布式系统测试经验，如微服务架构下的混沌工程或全链路压测
- 如有金融领域背景，务必突出风控或支付测试经验
- 提前学习LangChain、OpenAI SDK等AI框架，动手搭建一个RAG测试Demo
- 复习大模型评估方法论，如BLEU、ROUGE、Hallucination检测等
面试指南
- STAR法则：用具体项目背景、任务、行动和结果来回答设计类和落地类问题
- 分层思维：从单元测试、集成测试、端到端测试、线上监控等不同层次阐述质量保障策略
- 量化导向：尽量用数据说明效果，如线上缺陷率降低XX%，测试覆盖率提升XX%
- 请描述你设计的一个自动化测试体系，包括架构、技术选型和落地效果
- 如何测试一个基于LLM的对话系统？你关注哪些质量指标？
- 在分布式系统测试中，如何模拟高并发场景并验证系统稳定性？
- 如果风控系统出现线上问题，你的排查和根因分析流程是怎样的？
- 你如何推动研发团队提升代码质量和测试覆盖率？
职位点评
66
综合评分
滴滴Fintech资深测试开发，前沿AI+金融风控技术栈，发展机会极佳，但工作强度可能较大。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
最适合追求技术成长和前沿挑战的求职者，对薪资和稳定性有合理期望，能接受一定工作强度。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展90
工作生活30
使命价值60
薪资福利
70中等
薪资水平在互联网大厂中属于中上，有竞争力；但JD未明确福利和奖金，补偿性动机满足度中等。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
90较高
技术栈覆盖AI/LLM前沿领域，风控体系复杂度高，成长空间极大；JD中明确提到质量体系设计和前瞻性思考，发展动力强。
技术前沿前沿/新兴技术
技术栈Python、Java、LLM、RAG、AI Agent、LangChain、OpenAI SDK、Hugging Face、微服务、消息队列、分布式事务
成长机会主导构建并持续优化、推动能力、前瞻性的思考
业务类型profit_center
工作生活
30较低
仅现场办公，且JD未提及弹性工作或WLB，可能工作强度较大。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
60中等
金融风控具有社会价值，但JD未强调使命感，行业增长稳定，但非高速赛道。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
滴滴出行 的其他在招职位
相似职位推荐
Watch Jobs