蚂蚁集团-测试开发工程师/专家-生成式AI引擎/知识记忆方向

优缺点分析

角色解读

• 技术专家路线：深耕AI质量工程领域，成为生成式AI或知识系统质量方向的技术权威
• 管理路线：凭借出色的质量体系构建和团队协作能力，可发展为测试负责人或质量管理岗位
• 负责生成式AI引擎（推理、部署、调度）和知识记忆系统（检索、生成、更新）的全流程质量保障，确保AI应用稳定可靠
• 主导建设从数据、算法、模型到服务的质量体系，制定评测标准，并开发自动化工具提升测试效率与问题发现能力
• 与算法、模型、平台、业务等多团队紧密协作，推动问题定位与风险闭环，保障AI产品的高质量交付
• 扎实的软件测试与测试开发基础，精通Python等编程语言及测试框架，能独立开发测试工具和平台
• 深入理解大模型在线服务、分布式计算、云原生等技术原理，具备性能、混沌工程等复杂问题分析能力
• 具备体系化质量建设经验，能主导大型项目测试，并具备优秀的跨团队沟通与推动力

申请策略

• 深入研究蚂蚁集团在AI和金融科技领域的产品与技术博客，理解其技术方向
• 在简历和面试中，主动展现你对AI系统质量挑战的思考和解决方案，而不仅仅是执行测试用例
• 突出3-5年软件测试或测试开发经验，并强调其中与AI、分布式系统、云原生相关的项目经历
• 详细描述你使用Python开发的自动化测试工具、框架或平台，以及解决过的复杂性能或稳定性问题
• 列举主导过的大型项目测试案例，说明你在测试设计、质量体系推动和跨团队协作中的具体贡献
• 系统学习大模型在线推理原理（如KV Cache、动态批处理）、RAG架构和向量数据库知识
• 实践性能测试与混沌工程工具（如Locust, ChaosBlade），并学习如何将其应用于AI服务评测
• 了解知识图谱和个性化推荐系统的基本原理和评测方法

面试指南

• 使用STAR法则（情境、任务、行动、结果）结构化描述你的项目经历，重点突出你的技术决策和影响力
• 回答技术问题时，先阐述核心原理（如推理服务的瓶颈可能在GPU利用率、队列延迟），再说明你的测试方法（压测、Profile、日志分析）和优化建议
• 对于开放性的质量体系问题，可以从数据质量、算法效果、工程稳定性、用户反馈等多个层面展开，体现系统化思维
• 请介绍一个你负责的复杂AI或分布式系统测试项目，你是如何设计测试方案并保障质量的？
• 如何对一个大模型推理服务的性能进行测试和优化？关键指标有哪些？
• 知识记忆系统可能面临数据一致性、延迟、个性化准确性等挑战，你会从哪些维度设计质量保障体系？
• 你使用Python开发过哪些测试工具？请举例说明它解决了什么问题
• 在推动多个团队共同解决质量难题时，你遇到过什么困难？如何克服？