丨职位描述
【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 & Al 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 “AlI 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】
5. 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。
6. 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 Al 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。
7. 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。