猿急送>

武汉测试兼职程序员

ID：404983

迪

测试工程师

公司信息：
腾讯

工作经验：
10年

兼职日薪：
500元/8小时

兼职时间：
下班后
周六
周日

所在区域：
武汉
全区

技术能力

1、拥有8年测试经验，涵盖功能测试、性能测试、AI业务测试等领域。
2、精通测试全流程管理，擅长跨部门协同作战。
3、精通测试流程优化，熟练使用TAPD、禅道等测试管理工具提升团队效率。
4、擅长测试团队管理和项目统筹，能有效把控项目风险和质量，推动团队效率提升30%，线上严重故障率保持为0。
5、具备完整的测试体系建设经验，从需求评审到发布上线的全流程质量管理。
6、在测试环境搭建、测试工具开发和性能测试方面有丰富的经验。
7、精通多种测试工具和Java、python编程语言，具备强大的测试开发能力。
8、精通JMeter二次开发（封装10+通用组件）及自动化框架搭建（springBoot）。
9、参与搭建并维护测试环境K8S集群，集成Jenkins，部署测试开发工具6个、后端业务服务30多个。
10、掌握AI智能体的效果、功能及性能测试，具备丰富的结构化数据、多模态效果评估经验。
11、熟练应用ES、Spark、Redis、Kafka等技术进行AI推荐算法的精准测试。
12、拥有超过10场部门级测试培训经验，能够有效提升团队测试能力。

项目经验

一、APP内容运营平台
该项目用于提升土巴兔 APP 的整体内容质量，对优质内容进行个性化推荐，提升内容消费体验，增加 app 的活跃和留存。通过基于标签的用户协同过滤、机器学习等算法，按照 CTR 进行推荐排序，对生产内容进行个性化推荐、广告精准推荐，根据用户浏览内容偏好、内容生产时间、用户互动率等条件帮助用户持续地获取最新的订阅内容。
主要职责：
1.负责app所有内容信息流的的 AI 算法测试，版本维护；

2.编写造数脚本批量往ES生成百万数据，测试内容推荐规则、推荐算法是否符合要求；

3.使用 spark 基于标签+用户协同过滤算法进行生产环境数据采集（脱敏）、打标签，生成测试集，进行内容推荐模型测试；
4.测试ES数据仓库内容是否正确标注、机器自学习标注效果是否达标，是否满足数据一致性要求；
5.个性化推荐算法性能测试，在高并发下Kafka限流削峰效果、接口响应速度、TPS值、99值，保证 api 网关服务在高消费下的服务稳定性；
6.通过Redis工具测试redis 数据队列消费情况、内容热度值情况，测试内容推荐精准度及CTR热度值排序正确；
7.编写内容推荐 AI 算法测试技术、测试方法与业务实现文档，并组织测试组内培训，供组内人员借鉴经验；

二、AI对话助手：

该项目是一个通用的对话式AI智能体，底层为Kimi大模型，在kimi模型上进行了微调，主要功能：一对一对话答疑、智能回复、智

能分析、文档解析、ppt生成、图文对话等功能。

主要职责：

1、执行高维特征提取的数据采样与标注，覆盖边缘场景，确保测试样本多样性（如用户意图复杂性、多模态输入组合）。
2、主导制定数据采集规范与鲁棒性测试策略，设计对抗样本注入机制（如语义扰动、噪声干扰），提升模型泛化能力。
3、执行多维度模型评测：对话连贯性（上下文推理准确率）、意图识别率、回答相关性，构建量化打分矩阵。
4、建立统一竞品评估框架，通过自动化脚本拉取竞品API输出，主导横向对比分析，输出模型能力短板报告。
5、压测接口吞吐量（TPS）、响应延迟（P99<3s），监控CPU负载，统计tokens处理效率（千token/分钟成本）。
6、主导研发AI自动评分系统（技术架构）：
标准化测试集管理（Git版本化）→ 多模型API并行调用（异步IO） → 结果向量化存储。
集成权重因子+余弦相似度计算 → 权重动态打分引擎（精准度60%+时效性40%）→ 生成竞品分析图。

AI视觉识别审核系统：

该项目是一个使用AI审核图片内容正确性的平台，底层模型为自研，使用OCR识别手段，识别图片中所有的标志和文字的大小、位置、文字规范是否符合要求，开发采用训练集对模型进行训练和参数调整，使用验证集验证图片识别效果，测试对模型进行系统测试。

主要职责：
1、执行海量场景数据采集（室内/强光/遮挡等），预标注关键实体（文字/Logo位置框）。
2、设计场景腐蚀因子库（旋转/缩放/雾化），构建模型鲁棒性评估矩阵（如45°旋转时召回率>92%）。
3、计算精确率（Precision）与召回率（Recall），定位AI识别结果与实际图片标注结果的误差是否<=20%。
4、测试模型增强技术在：旋转、缩放、翻转等不同场景下的准确率、泛化能力，提高模型的鲁棒性。
5、编写回答数据自动标注脚本，自动标注提交的测试数据集的实际结果，以方便测试人员对结果进行计算和统计。

案例展示

腾讯新闻

对优质内容进行个性化推荐，提升内容消费体验，增加 app 的活跃和留存。通过基于标签的用户协同过滤、机器学习等算法，按照 CTR 进行推荐排序，对生产内容进行个性化推荐、广告精准推荐，根据用户浏览内容偏好、内容生产时间、用户互动率等条件帮助用户持续地获取最新的订阅内容。
AI智能体

AI对话助手：该项目是一个通用的对话式AI智能体，底层大模型支持hunyuan\deepseek，主要功能：一对一对话答疑、智能回复、智能分析、文档解析、ppt生成、图文对话等功能。 AI视觉识别审核系统：该项目是一个使用AI审核图片内容正确性的平台，使用OCR