荒
测试工程师
北京特迅捷测试技术有限公司 · 2年经验
日薪：
￥500/8h
地点：
深圳
时间：
可工作日远程
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
1.精通 Web/APP 端软件测试完整生命周期，可独立输出测试计划、测试用例、测试报告，闭环版本质量管控；
2.熟练使用 Linux 基础命令查询服务器运行日志，快速定位、复现、追踪前后端缺陷；
3.掌握 MySQL 增删改查，通过 SQL 校验业务数据完整性、完成测试数据构造与数据类缺陷排查；
4.掌握 Python 自动化技术栈：基于 Pytest+PO 分层思想，使用 Playwright/Appium 编写 Web/App 自动化脚
本，Allure 生成可视化测试报告；
5.熟练使用 APIFOX 完成接口调试、接口自动化脚本搭建，独立落地版本迭代接口回归测试；
6.掌握 Git 代码管理，了解 Jenkins CI/CD 流程，可完成自动化脚本持续构建；
7.了解 JMeter 基础性能测试，支持简单并发、压测场景验证；
8.熟练使用 Coze 扣子低代码平台搭建测试专属智能体，自动化生成测试用例、汇总测试报告，提升测试提效；
9.掌握 Pandas 数据处理，可独立完成测试数据集采集、清洗、结构化构造，支撑大模型微调训练;
10.熟练使用TAPD，飞书等缺陷工具对缺陷全生命周期跟踪;
2.熟练使用 Linux 基础命令查询服务器运行日志，快速定位、复现、追踪前后端缺陷；
3.掌握 MySQL 增删改查，通过 SQL 校验业务数据完整性、完成测试数据构造与数据类缺陷排查；
4.掌握 Python 自动化技术栈：基于 Pytest+PO 分层思想，使用 Playwright/Appium 编写 Web/App 自动化脚
本，Allure 生成可视化测试报告；
5.熟练使用 APIFOX 完成接口调试、接口自动化脚本搭建，独立落地版本迭代接口回归测试；
6.掌握 Git 代码管理，了解 Jenkins CI/CD 流程，可完成自动化脚本持续构建；
7.了解 JMeter 基础性能测试，支持简单并发、压测场景验证；
8.熟练使用 Coze 扣子低代码平台搭建测试专属智能体，自动化生成测试用例、汇总测试报告，提升测试提效；
9.掌握 Pandas 数据处理，可独立完成测试数据集采集、清洗、结构化构造，支撑大模型微调训练;
10.熟练使用TAPD，飞书等缺陷工具对缺陷全生命周期跟踪;
项目经验
职责与成果：
1.参与三大 AI 模块需求评审，明确大模型 API 接口规范、调用流程及 RAG 检索增强技术方案，独立完成全
场景业务用例设计，输出测试计划与上线质量报告，闭环管控版本质量；
2.基于 Apifox 完成大模型流式接口、向量检索接口专项验证，覆盖 Token 截断、传输中断等异常场景；通过
Charles 抓包定位首字延迟、弱网超时瓶颈，推动研发优化传输策略，提升 AI 问答弱网稳定性；
3.针对 RAG 知识库模块，验证文档切片策略与向量检索效果，通过 50+个核心问题的检索召回率验证，确保知
识库召回率 ≥ 95%，解决知识检索不准确导致的回答偏差问题；
4.基于 Python+Pandas 构建 200+条评测数据集，落地 LLM-as-a-Judge 自动评测，三维度归类坏样本，核心
场景准确率 92%，替代 70%人工评测；借助 Coze 搭建测试智能体批量生成 AI 用例，提效用例设计；
5.采用 Linux 查询后端服务日志，结合 MySQL 校验 API 调用量、成功率等核心指标数据一致性，快速复现、
个 人 简 历
定位模型输出异常类缺陷；
6.使用飞书全流程跟踪缺陷，推动研发修复闭环，版本上线后输出 AI 模型质量评估专项报告，为大模型迭代优
化提供量化数据支撑；
1.参与三大 AI 模块需求评审，明确大模型 API 接口规范、调用流程及 RAG 检索增强技术方案，独立完成全
场景业务用例设计，输出测试计划与上线质量报告，闭环管控版本质量；
2.基于 Apifox 完成大模型流式接口、向量检索接口专项验证，覆盖 Token 截断、传输中断等异常场景；通过
Charles 抓包定位首字延迟、弱网超时瓶颈，推动研发优化传输策略，提升 AI 问答弱网稳定性；
3.针对 RAG 知识库模块，验证文档切片策略与向量检索效果，通过 50+个核心问题的检索召回率验证，确保知
识库召回率 ≥ 95%，解决知识检索不准确导致的回答偏差问题；
4.基于 Python+Pandas 构建 200+条评测数据集，落地 LLM-as-a-Judge 自动评测，三维度归类坏样本，核心
场景准确率 92%，替代 70%人工评测；借助 Coze 搭建测试智能体批量生成 AI 用例，提效用例设计；
5.采用 Linux 查询后端服务日志，结合 MySQL 校验 API 调用量、成功率等核心指标数据一致性，快速复现、
个 人 简 历
定位模型输出异常类缺陷；
6.使用飞书全流程跟踪缺陷，推动研发修复闭环，版本上线后输出 AI 模型质量评估专项报告，为大模型迭代优
化提供量化数据支撑；
ID:435970
复制
荒
测试工程师 · 2年经验 · 北京特迅捷测试技术有限公司
0
累计接单
0
用户评价
0
被收藏
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
1.精通 Web/APP 端软件测试完整生命周期，可独立输出测试计划、测试用例、测试报告，闭环版本质量管控；
2.熟练使用 Linux 基础命令查询服务器运行日志，快速定位、复现、追踪前后端缺陷；
3.掌握 MySQL 增删改查，通过 SQL 校验业务数据完整性、完成测试数据构造与数据类缺陷排查；
4.掌握 Python 自动化技术栈：基于 Pytest+PO 分层思想，使用 Playwright/Appium 编写 Web/App 自动化脚
本，Allure 生成可视化测试报告；
5.熟练使用 APIFOX 完成接口调试、接口自动化脚本搭建，独立落地版本迭代接口回归测试；
6.掌握 Git 代码管理，了解 Jenkins CI/CD 流程，可完成自动化脚本持续构建；
7.了解 JMeter 基础性能测试，支持简单并发、压测场景验证；
8.熟练使用 Coze 扣子低代码平台搭建测试专属智能体，自动化生成测试用例、汇总测试报告，提升测试提效；
9.掌握 Pandas 数据处理，可独立完成测试数据集采集、清洗、结构化构造，支撑大模型微调训练;
10.熟练使用TAPD，飞书等缺陷工具对缺陷全生命周期跟踪;
2.熟练使用 Linux 基础命令查询服务器运行日志，快速定位、复现、追踪前后端缺陷；
3.掌握 MySQL 增删改查，通过 SQL 校验业务数据完整性、完成测试数据构造与数据类缺陷排查；
4.掌握 Python 自动化技术栈：基于 Pytest+PO 分层思想，使用 Playwright/Appium 编写 Web/App 自动化脚
本，Allure 生成可视化测试报告；
5.熟练使用 APIFOX 完成接口调试、接口自动化脚本搭建，独立落地版本迭代接口回归测试；
6.掌握 Git 代码管理，了解 Jenkins CI/CD 流程，可完成自动化脚本持续构建；
7.了解 JMeter 基础性能测试，支持简单并发、压测场景验证；
8.熟练使用 Coze 扣子低代码平台搭建测试专属智能体，自动化生成测试用例、汇总测试报告，提升测试提效；
9.掌握 Pandas 数据处理，可独立完成测试数据集采集、清洗、结构化构造，支撑大模型微调训练;
10.熟练使用TAPD，飞书等缺陷工具对缺陷全生命周期跟踪;
项目经验
职责与成果：
1.参与三大 AI 模块需求评审，明确大模型 API 接口规范、调用流程及 RAG 检索增强技术方案，独立完成全
场景业务用例设计，输出测试计划与上线质量报告，闭环管控版本质量；
2.基于 Apifox 完成大模型流式接口、向量检索接口专项验证，覆盖 Token 截断、传输中断等异常场景；通过
Charles 抓包定位首字延迟、弱网超时瓶颈，推动研发优化传输策略，提升 AI 问答弱网稳定性；
3.针对 RAG 知识库模块，验证文档切片策略与向量检索效果，通过 50+个核心问题的检索召回率验证，确保知
识库召回率 ≥ 95%，解决知识检索不准确导致的回答偏差问题；
4.基于 Python+Pandas 构建 200+条评测数据集，落地 LLM-as-a-Judge 自动评测，三维度归类坏样本，核心
场景准确率 92%，替代 70%人工评测；借助 Coze 搭建测试智能体批量生成 AI 用例，提效用例设计；
5.采用 Linux 查询后端服务日志，结合 MySQL 校验 API 调用量、成功率等核心指标数据一致性，快速复现、
个 人 简 历
定位模型输出异常类缺陷；
6.使用飞书全流程跟踪缺陷，推动研发修复闭环，版本上线后输出 AI 模型质量评估专项报告，为大模型迭代优
化提供量化数据支撑；
1.参与三大 AI 模块需求评审，明确大模型 API 接口规范、调用流程及 RAG 检索增强技术方案，独立完成全
场景业务用例设计，输出测试计划与上线质量报告，闭环管控版本质量；
2.基于 Apifox 完成大模型流式接口、向量检索接口专项验证，覆盖 Token 截断、传输中断等异常场景；通过
Charles 抓包定位首字延迟、弱网超时瓶颈，推动研发优化传输策略，提升 AI 问答弱网稳定性；
3.针对 RAG 知识库模块，验证文档切片策略与向量检索效果，通过 50+个核心问题的检索召回率验证，确保知
识库召回率 ≥ 95%，解决知识检索不准确导致的回答偏差问题；
4.基于 Python+Pandas 构建 200+条评测数据集，落地 LLM-as-a-Judge 自动评测，三维度归类坏样本，核心
场景准确率 92%，替代 70%人工评测；借助 Coze 搭建测试智能体批量生成 AI 用例，提效用例设计；
5.采用 Linux 查询后端服务日志，结合 MySQL 校验 API 调用量、成功率等核心指标数据一致性，快速复现、
个 人 简 历
定位模型输出异常类缺陷；
6.使用飞书全流程跟踪缺陷，推动研发修复闭环，版本上线后输出 AI 模型质量评估专项报告，为大模型迭代优
化提供量化数据支撑；
立即沟通
