About The Role

1.负责AI开发平台的全流程质量保障，覆盖Notebook交互式开发、模型训练（单机/分布式）、模型推理服务、模型API四大核心场景，设计并落地功能、性能、稳定性、兼容性、安全性等多维度测试方案。
2.模型API测试：负责模型开放API（如OpenAI风格Chat Completions API、Embeddings API等）的全方位测试，包括：
功能正确性：验证API接口的输入参数校验、流式/非流式响应格式、错误码返回、多模态输入支持等；
协议兼容性：验证API与OpenAI API规范的兼容性，确保用户侧无需修改代码即可平滑接入；
性能基准：测试API的RT（响应延迟）、QPS/TPM（吞吐量）、并发连接数上限及超时/限流/重试机制；
可靠性验证：验证高并发下的熔断、降级、重试策略及后端模型引擎故障时的兜底逻辑；
安全性测试：验证API Key鉴权、RBAC权限控制、内容安全过滤（有害内容拦截）、请求频率限制等。
3.构建和维护AI平台专用测试数据集与评测体系，覆盖不同AI框架版本（PyTorch/TensorFlow/JAX）、不同异构硬件（GPU/CPU/昇腾）、不同分布式策略下的兼容性与基准性能测试。
4.负责测试环境在Kubernetes集群上的部署与治理，深度利用K8s进行测试任务的并行调度、GPU资源分配与多租户隔离；执行复杂场景测试（高并发训练任务、资源抢占、优先级调度等），输出测试报告并推动问题闭环。
6.利用AI技术（如大模型辅助用例生成、智能缺陷分析、自动化脚本生成）提升测试效率与覆盖度，探索AI在业务测试领域的落地实践。
1.本科及以上学历，计算机、人工智能、软件工程等相关专业。[3年以上]测试开发或相关工作经验。
2.深入理解AI开发平台的核心组件与用户工作流，包括：
Notebook：Jupyter/Kernel管理、内核算力分配、文件系统挂载、环境管理与镜像构建；
模型训练：单机训练、分布式训练（数据并行/模型并行）、训练作业生命周期管理、Checkpoint保存与恢复、训练监控与可视化（TensorBoard）；
模型推理：推理服务部署、模型加载与预热、弹性伸缩、模型版本管理与灰度发布、推理延迟与吞吐量评估；
模型API：RESTful/gRPC接口协议、流式SSE/WebSocket通信、OpenAI API兼容规范、限流/熔断/重试机制、鉴权与安全策略；
了解常见AI框架（PyTorch/TensorFlow/JAX）及分布式通信后端（NCCL/RCCL）的基本原理。
3.熟练掌握Python/Java/Go其中一种语言，具备独立开发自动化测试脚本、测试工具及框架的能力。熟悉常见的API测试工具（如Postman、pytest、httpx、grpcurl）及压测工具（如Locust、JMeter）。
4.熟悉Linux操作系统，熟练使用Shell脚本及常用命令行工具，能够独立完成日志分析、性能监控与问题定位。
5.熟悉Kubernetes核心资源对象及调度原理，理解GPU调度（NVIDIA Device Plugin/K8s Device Plugin）、存储卷挂载（PV/PVC）、网络策略等；具备在K8s环境下进行服务部署、配置管理、日志采集、故障排查与资源调优的实操经验。
6.精通软件测试流程与测试设计方法，能独立完成测试计划、用例设计及复杂场景（并发、性能、兼容性）测试执行。
8.具备AI辅助测试的实践能力：了解大语言模型（LLM）基本原理，有利用AI工具（如大模型生成测试用例、辅助缺陷分析、自动生成回归脚本等）的实际经验，或对AI测试有浓厚兴趣并愿意快速学习。

This is an external listing. JobSpring does not represent or verify the employer. Report this listing

AI平台测试工程师（天津）(J13894)

About The Role