- 日期：2026-10-15（面试日期）
- 企业与岗位：传音控股｜测试开发秋招一面
- 适用层级：校招／有自动化和Agent项目经历的测开候选人
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。
面试问题与参考答案
1. 交流环节：自我介绍
参考答案 / 复盘思路
建议用一分钟交代技术栈、最近一段测开经历、自己真正负责的模块和可量化结果。不要把团队成果全部归为个人，追问到代码、日志和测试数据时要能解释清楚。项目背景、职责、技术方案、验证证据依次说，比泛泛强调学习能力更可信。
2. 问题：介绍下实习做的测开工作？
参考答案 / 复盘思路
按需求输入、测试设计、框架实现、执行与缺陷闭环说明。举一个真实功能：怎样构造数据、定位接口、做断言、接入流水线，以及最终发现了什么缺陷。若参与的是已有框架维护，应区分复用和新增部分，并用运行记录、PR或测试报告证明。
进一步准备一份可复现的演示：固定输入数据、展示一次失败断言，再用提交记录说明修复。若指标是回归效率提升，必须给出同等用例范围下的前后耗时，而不是只说自动化覆盖率提高。
3. 问题：定时任务这个功能，自动化怎么设计测试用例？
参考答案 / 复盘思路
先区分一次性、周期性和补偿任务，覆盖触发时区、cron边界、跨日和夏令时、暂停恢复、并发触发与重复投递。测试时用可控时钟替代长时间等待，记录任务ID、计划时间、实际执行时间及幂等键。断言不能只看HTTP成功，还要核对任务副作用、失败重试次数、超时告警与补偿后的最终状态。
例如把“每分钟执行”配置成可注入的测试时钟，分别验证23:59跨日、任务执行超过一个周期、同一任务被两个Worker同时抢占的结果；用唯一任务键或租约机制判断是否重复产生副作用。
4. 问题：Agent记忆功能怎么测试？主动记忆、自动记忆分别怎么测？自动记忆触发条件是什么？
参考答案 / 复盘思路
主动记忆要验证显式保存、编辑、删除与召回；自动记忆则用对照会话验证触发阈值、提取准确率和错误记忆抑制。设计跨会话、跨用户、冲突事实、过期信息和隐私删除用例。评估不仅看是否命中，还看错误召回率、证据来源及对后续决策的影响；用trace把写入、索引、召回和最终回答串起来。
可以设计A用户记住偏好、B用户问同一问题的隔离实验；再让A更改偏好并追问旧信息，检查旧记忆是否失效。测试集需要包含“应该忘记”的负例，避免只评估记住了多少。
5. 问题：Subagent隔离环境怎么测试？工具、Prompt继承逻辑？
参考答案 / 复盘思路
建立父子Agent的权限矩阵：哪些工具允许按需授予，哪些上下文可继承，哪些敏感数据必须隔离。分别验证子任务创建、失败重试、上下文摘要、工具调用授权和退出清理。通过trace与审计日志确认实际工具权限，不以模型口头声称有权限为准；还要覆盖并发子Agent之间的状态串扰和越权访问。
尤其要把“模型没有调用工具”和“工具层拒绝越权”分开验证：前者是行为倾向，后者才是权限保障。父任务取消时还要检查子任务是否停止计费、释放资源，防止幽灵执行。
6. 问题：Playwright如何实现VSCode插件自动化，CDP协议在这里起什么作用？
参考答案 / 复盘思路
先明确VSCode是Electron桌面应用，Webview、扩展宿主和原生界面不一定能由同一浏览器上下文覆盖。对可调试的Webview，可通过调试端口接入CDP定位DOM、监听网络和截图；对扩展命令、文件系统及宿主侧行为，需结合VSCode扩展测试工具与进程日志。CDP是浏览器调试协议，不是通用桌面自动化接口。
还应确认测试运行时的扩展ID、VSCode版本和Webview隔离策略；不同版本可能导致调试端口或DOM结构变化。失败时同时留存Webview网络日志与扩展宿主日志，避免只凭截图定位。
7. 问题：讲一讲React，解决什么问题？
参考答案 / 复盘思路
React通过组件化与声明式状态更新组织复杂UI，核心不是“让页面更快”，而是使状态到视图的关系可维护。测试要关注受控输入、异步渲染、组件重挂载、列表key和副作用清理。写UI自动化时优先按用户可见语义定位，并等待业务条件而非固定sleep，避免把React重渲染误判为接口故障。
例如一个按钮点击后触发两次异步状态更新，脚本应该等待最终业务状态而不是等待某个CSS类名瞬时出现。测试可利用React Testing Library验证组件语义，再由E2E确认跨服务行为。
8. 问题：Workflow工作流和大模型主控模式区别？
参考答案 / 复盘思路
Workflow由预设节点与条件分支决定执行顺序，优势是可预测、易回放和审计；模型主控模式由LLM动态选择下一步工具，适合开放任务但更易出现路径漂移。测试前者重分支覆盖与状态转换，后者重工具选择正确率、预算上限、终止条件和失败恢复。混合架构可让模型做决策、关键动作交给确定性流程兜底。
给同一任务分别做正常路径、工具超时、错误工具选择与人工中断四组对照。记录每条trace的路径长度、工具调用次数和最终结果，才能比较两种编排方式的稳定性与成本。
9. 问题：Skill技能模块如何做测试，模型评测怎么做？SWE-bench、LoCoMo评测集了解吗？
参考答案 / 复盘思路
先把Skill的输入约束、触发条件、工具权限、输出格式写成可执行契约，再用正例、近邻误触发、参数缺失和权限拒绝做回归。模型评测分离任务成功率、步骤成本、证据可追溯性与风险违规率。SWE-bench主要评估真实软件仓库修复任务，LoCoMo侧重长对话记忆能力；二者不能直接替代本业务的验收集。
SWE-bench的成功标准偏向代码补丁通过测试，LoCoMo偏向长时记忆问答；若测的是“技能是否在正确时机调用”，还需要单独标注应调用与不应调用样本，计算误触发与漏触发。
10. 问题：成熟框架与自研脚手架怎么权衡？
参考答案 / 复盘思路
先算总拥有成本：维护人员、生态插件、升级兼容、学习成本、CI接入与问题定位。若需求主要是常见Web/API自动化，优先成熟框架并做轻量封装；只有在特殊协议、复杂设备控制或确有不可满足的扩展需求时才考虑自研。可以用一条核心业务链路做POC，比对稳定性、执行时长和维护工时后决策。
评估时最好明确退出条件：如果自研模块三个月维护工时持续高于成熟方案、且没有关键业务收益，应考虑回迁。不要把“技术自由度高”当成足以覆盖人力和故障成本的理由。
11. 问题：Agent Harness是什么？
参考答案 / 复盘思路
Harness可理解为包围模型的执行与控制层：管理提示、上下文、工具调用、状态、权限、重试、预算、日志及评测接口。它不是某一个模型，也不等于单条Prompt。测开可从任务生命周期验证：输入是否被正确装配、工具调用是否受控、失败是否能恢复、证据是否能回放，最终结果是否满足业务验收标准。
例如Agent写文件的任务，可逐步检查规划、授权、执行、文件内容校验和失败回滚。即便最终文件正确，也要检查是否调用了未授权工具或重复执行了不可逆动作。
延伸思考（社区补充）
如果记忆写入成功但检索到的是旧版本，如何设计跨会话回归？如果Subagent的工具权限被动态撤销，正在运行的任务应该怎样中止并留下审计证据？
