测试开发工程师-杭州/广州/北京
Drive Spotter
○ 深度参与需求分析、方案/架构设计评审,从质量与风险视角评估需求合理性、复杂度与可测性,推动问题前置解决。
○ 制定测试策略与测试计划,设计并执行测试用例,覆盖功能、接口、数据一致性、兼容性、可用性等,保障交付质量。
○ 牵头质量复盘与改进:建立缺陷与事故闭环机制,持续降低缺陷逃逸和线上风险。
2. 完善质量工程化与自动化体系搭建
○ 基于产品架构与业务链路,规划并落地测试分层与质量门禁(单测/组件/契约/集成/E2E),推动研发提升测试覆盖与可测性。
○ 建设/优化自动化框架、测试工具与平台能力:CI/CD 集成、质量报告、回归提效、环境与数据治理、Mock/仿真等,提升稳定性与效率。
○ 负责疑难问题定位:跨系统链路、缓存/消息队列、超时重试幂等等分布式常见问题,推动根因治理。
3. AI 驱动的测试提效与流程重构
○ 探索并落地 AI 在测试场景的应用:需求要点与风险点提取、用例/检查点生成、回归用例选择、测试数据构造、日志/告警归因、缺陷聚类、测试报告自动化等,通过搭建Agent工程来对于测试研发流程进行提效。
○ 建立 AI 使用的评估与治理机制:效果对照、准确性校验、可追溯、权限与数据安全,推动沉淀为可复用流程/工具/平台能力。
4. 国际化协作与质量提升
○ 与海外/跨区域团队协作,推动国际化产品的测试落地(多语言、多时区、多环境差异等),促进整体质量与效率优化。
○ 3 年及以上软件测试开发经验,熟悉大型互联网系统的架构与测试特点;具备独立负责中大型项目的测试组织与落地能力
2. 编程与系统能力
○ 熟悉 Java技术栈体系,具备扎实的工程能力,能设计/开发测试框架、工具或平台组件。
○ 熟悉数据库、分布式缓存/消息队列等常见中间件(如 MySQL/Redis/Kafka 等),理解分布式系统常见问题(超时、重试、幂等、最终一致性)。
3. 测试方法与平台工具
○ 精通测试方案与方法设计,熟悉业界主流测试模型;能根据实际问题选型、设计并实现测试工具/系统。
○ 有接口自动化、客户端 Android/iOS 自动化、性能测试等实践与项目落地经验者优先。
4. AI 能力与工程化落地
○ 熟悉AI大模型理论,理解主流大模型的能力边界域适用场景,了解上下文工程及RAG检索等技术;
○ 具备Agent搭建实践经验,能够将业务问题转化为AI执行任务,并设计单Agent或多步骤Agent工作流程,最终能够将 AI 用于测试提效。
5. 通用能力
○ 逻辑能力强,具备成熟的团队协作与冲突管理能力,能跨团队推动问题闭环。
○ 英语/韩语能力良好者优先(能进行跨国协作沟通与文档交流)。