添加客服微信
400 035 7887
必备技能
1. 传统测试底子:手工用例、接口测试、Python 基础(requests/json 脚本)、基础数据库
2. AI 应用概念:token、temperature、RAG、Agent、prompt,理解大模型输出具有不确定性
3. AI 专项测试:幻觉、多轮上下文、Prompt 注入、边界 / 对抗用例;区分普通 bug 和 AI 概率性问题
4. 评测能力:人工打分 + LLM‑as‑Judge 自动评测;维护评测集做效果回归;统计幻觉率、拒绝率等指标
5. 工具:Apifox、Python+pandas、RAGAS/DeepEval、Ollama;看懂大模型请求日志
6. 安全合规:越狱、隐私、违禁输出检测
学习路径
1. 补传统测试 + Python 脚本,能批量调用大模型 API
2. 实操各大模型 API,吃透 RAG/Agent 基础概念
3. 实操 AI 评测工具,自己做小 demo 项目:造测试 query、批量跑接口、自动评测、输出 badcase 报告
4. 重点积累 RAG、对话、Agent 测试经验,重视版本效果退化回归
求职核心亮点写简历
会 AI 场景用例设计、LLM‑as‑Judge 评测、维护评测数据集、RAG/Agent 测试、批量脚本评测;不堆砌深度学习训练框架。
核心难点
AI 没有标准答案,输出概率化;版本升级容易出现效果退化,靠评测集回归。
本文内容不用于商业目的,如涉及知识产权问题,请权利人联系SPASVO小编(021-60725088-8054),我们将立即处理,马上删除。