- 日期：2026-10-09
- 企业与岗位：传音｜测试开发
- 适用层级：初级
本篇为社区对用户分享面经的整理汇编，旨在帮助求职者了解面试考察方向。问题部分力求忠实还原原帖问答脉络；「参考答案 / 复盘思路」为整理方结合工程实践原创补充，仅供交流参考，不代表官方标准答案。
一面
1. 自我介绍
交流准备 / 复盘思路：
建议用“技术背景—最相关项目—负责的测试工作—一个量化结果”组织一分钟介绍。研究方向与测试岗位跨度较大时，突出数据处理、编程、实验设计等可迁移能力。介绍AI项目时要说明自己如何定义正确性、怎样验证异常样本，而不是只说会调用大模型接口。
2. 深入讲解等价类划分，并举例
参考答案 / 复盘思路：
等价类是把输入按预期行为相同的规则分组，分别选代表样本，降低重复测试成本。以验证码输入为例：有效6位数字是一类；空值、长度不足、超长、非数字、过期验证码属于不同无效类。边界值分析要补上5、6、7位及到期前后时间点。等价类不是只测一条正常输入，还需覆盖不同错误处理路径。
3. 提交Bug后开发说不是Bug或无法复现，怎么处理？
参考答案 / 复盘思路：
先对齐需求、验收标准与实际影响，补齐版本、环境、账号、请求参数、日志和复现视频。无法稳定复现时对比设备、网络、并发与数据状态，尝试扩大样本并保留traceId。若对“是否缺陷”有分歧，用业务风险和证据推动产品或负责人裁决，不陷入争论。最终把触发条件固化为回归用例。
4. OCR算法测试中，字符准确率、字符召回率是什么意思？
参考答案 / 复盘思路：
需先说明指标定义：OCR常用字符错误率CER=编辑距离/真实字符数，字符准确度可约定为1-CER；“字符召回率”若按字符匹配统计，需要明确定义TP与FN以及对齐规则。不要把识别准确率、检测召回率和字段抽取召回率混用。测试按字体、模糊、倾斜、光照、语言和版式分桶，除平均指标外关注证件号等关键字段的完全匹配率。
5. 接口自动化里的Token怎么处理？
参考答案 / 复盘思路：
用前置登录或测试身份服务获取短期token，存放在受控环境变量或密钥管理中，禁止写死到仓库。请求前判断有效期，必要时按授权流程刷新；并发测试注意刷新锁与账户隔离。负向用例覆盖缺失、篡改、过期、权限不足和跨租户访问，不能只证明带token时返回200。日志与报告应脱敏。
6. 控制工程硕士为什么选择测试？
交流准备 / 复盘思路：
回答应建立真实能力连接：控制工程强调建模、数据采集、实验验证和误差分析，这些可用于自动化测试、算法评测与稳定性分析。再用具体项目证明编程和质量工程投入，例如搭建Python验证脚本、定位边界缺陷。避免泛泛说“测试门槛低”，应强调自己希望解决可复现、可量化的工程质量问题。
7. 怎么理解测试岗位？测试的核心价值是什么？
参考答案 / 复盘思路：
测试的价值不是单纯找Bug，而是在有限时间里为交付风险提供可信证据。测试工程师要理解需求、识别高风险路径、设计验证手段、推动问题闭环，并用自动化缩短反馈周期。对AI系统还要覆盖不确定输出、工具副作用和数据漂移。最终衡量的是重大缺陷逃逸、反馈时效与用户损失，而非用例数量。
8. 怎样保证项目高质量交付？
参考答案 / 复盘思路：
从需求评审明确验收条件，开发阶段落实单测与接口契约，集成阶段验证核心链路，发布前按风险做回归、性能与安全检查。设置阻断门槛，例如支付重复扣款为零、核心接口错误率不超过约定阈值；上线后监控告警和灰度回滚。质量无法靠最后一天补测，必须建立可追踪的缺陷与发布决策机制。
9. AI相关经历中，有没有写工具解决实际工作问题？
交流准备 / 复盘思路：
优先选自己实际实现的小工具展开：输入是什么、减少了哪类重复劳动、如何校验输出。比如用Python自动整理接口回归失败日志，按traceId关联服务端异常并生成待复核清单。AI参与摘要时，应对关键错误码和时间戳做结构化保真校验。用基线耗时、误报率和人工复核比例说明效果，不用夸大提效数字。
10. Agent和Skill是什么？
参考答案 / 复盘思路：
Agent通常是围绕目标进行规划、调用工具、维护状态并依据反馈继续执行的系统；Skill可理解为可复用的能力说明、脚本或工作流封装，具体定义取决于平台。测试不能只验最终答案，还要核对工具选择、参数权限、失败重试和业务状态。Skill引入后应对比开启前后的任务完成率、错误率与成本。
11. 怎么看AI与测试未来的发展？
参考答案 / 复盘思路：
AI会降低用例草拟、脚本生成和日志初筛的成本，但也引入输出不确定性、提示注入、工具越权与评测偏差。测试开发的重点会从“手工执行多少条”转向“设计可持续验证的质量系统”：固定测试集、自动回归、证据追踪和风险门禁。建议结合自己熟悉的接口或OCR场景，展示能落地的一项改造。
12. AI会取代哪些测试工作，哪些不容易被取代？
参考答案 / 复盘思路：
规则清楚、输入稳定的重复劳动更容易被自动化，例如生成初版用例、整理日志和基础回归；需求歧义判断、风险取舍、跨团队协商及高风险发布决策仍需要人负责。AI输出必须经过可验证的断言、数据对账和人工抽检。岗位价值不在于拒绝AI，而在于把AI产出纳入可靠的工程质量闭环。
延伸思考（社区补充）
**延伸问题：**如果OCR在模糊图片上的CER下降了，但身份证号字段完全匹配率反而变差，发布门禁应该怎么设？
**复盘思路：**先明确业务状态机、幂等与失败恢复的可观测证据，再设计可重复执行的故障注入；对最终状态采用业务对账断言，不以单一页面提示或HTTP状态码判定成功。
