测试开发工程师 - AI交付与核心系统方向

【岗位职责】 1. 深度代码级质量保障 (Deep Quality Assurance) 全链路质量治理： 负责从需求分析、技术方案评审到上线验收的全流程质量管理；针对复杂系统问题进行根因分析（Root Cause Analysis），并推动技术债的解决。 非功能性测试： 负责系统的高可用性、稳定性及性能测试，制定极限场景下的容灾验证方案。 2. AI项目交付与验收 (AI Project Delivery) 交付质量把控： 负责AI应用项目在客户现场或生产环境的交付测试，确保交付物的完整性、兼容性及稳定性。 端到端验证： 在交付环节中，验证模型接口、业务逻辑与底层基础设施（K8s/Docker）的适配情况，确保系统在复杂网络和资源限制下的表现符合预期。 问题快速响应： 负责交付过程中的技术排障，利用容器化工具快速定位线上问题，保障项目按时高质量交付。 3. 自动化与AI提效 (Automation & AI Empowerment) 代码编写与工具开发： 负责编写高复用、高质量的自动化测试代码（Python/Go/Java）；设计并开发针对AI模型的专项测试工具。 AI辅助工程化： 熟练运用各类AI编程辅助工具（如Cursor, GitHub Copilot, ChatGPT等）生成测试用例、Mock数据及自动化脚本，探索“AI Agent辅助测试”的新模式，大幅提升测试代码产出效率。 4. 大模型专项测试 (LLM Testing) 针对公司AI产品（如RAG系统、Agent应用）设计评估体系，包括准确率、幻觉检测、响应时延等维度的专项测试。 【任职要求】 1. 核心硬技能：精通代码 必须具备研发级别的代码能力 （Python/Go/Java任一，Python优先）。 能够独立阅读后端业务代码，通过阅读代码设计测试用例，而不是仅依赖文档。 面试将包含**现场代码编写（Live Coding）**环节，考察逻辑与工程规范。 2. 技术栈要求：容器与AI工具 K8s/Docker 使用能力： 熟练掌握 Docker 常用命令， 精通 K8s Yaml 文件的阅读与编辑 （如修改Deployment资源限制、配置挂载、Service路由等），能在容器环境中独立进行日志分析和Debug， 不需要负责集群搭建，但必须会熟练使用 。 AI工具重度用户： 必须习惯使用 AI 工具辅助工作，具备优秀的 Prompt Engineering 能力，能利用 AI 解决复杂的代码逻辑问题。 持续探索AI在测试领域的新应用，不满足于“点点点”。 数据库基础能力 ：了解常用数据库（如MySQL/PostgreSQL）的基本操作与SQL编写，能够独立编写查询以验证数据一致性、进行问题定位和数据构造。 3. 经验要求 强烈的质量意识与Owner精神 ： 视质量为产品生命线，不仅关注功能正确性，更对 性能、稳定性、安全性和用户体验 有天然敏感度。 具备 端到端交付的Owner意识 ，曾有 独立负责一个完整版本/模块的测试交付 ，或主导过 小型项目从测试计划到上线验收的全流程 ，能主动推动问题闭环、协调资源、识别风险。 擅长根因分析，能将线上或测试发现的问题，追溯至代码、架构或流程层面，并推动改进。 4. 经验要求 3年以上测试开发或后端开发经验。 加分项： 有 AI 大模型（LLM）、NLP 或 推荐算法 相关的测试或交付经验。 加分项： 熟悉微服务架构，有私有化部署项目交付经验者优先。 加分项： 有非功能性测试（高可用、性能压测、容灾）的实战经验，能设计并执行复杂场景方案。