
## 摘要

本文讨论的是 2027 届校招里一类容易被忽略的岗位：中小型 AI 公司的测试开发岗。它们招的人少（往往只招 1—2 个），但 JD 里写的要求跟大厂几乎一样——覆盖 Agent、RAG、智能客服、多模态，要建评测集、Bad Case 库、质量指标、版本对比。文章以一家 2026 年 11 月在北邮宣讲的 AI 公司的真实 JD 为样本，讲清小公司这一套到底怎么搭，以及应届生进去之后第一个月该做什么。


一份校招 JD，我看了两遍才确认自己没看错。

北京星河觉醒智能科技有限公司（对外叫 Awaken AI）2026 年 11 月在北京邮电大学就业资讯网发布的校园宣讲信息里，测试开发工程师岗招 2 人，职位描述六条：

1. 参与 AI 产品及大模型应用的测试方案设计与质量保障，覆盖 AI Agent、RAG、智能客服、内容生成、多模态等场景。
2. 参与建设 AI 场景下的评测与回归体系，包括评测集、Bad Case 库、质量指标和版本对比机制。
3. 设计并落地自动化测试能力，覆盖接口自动化、端到端测试、工具调用链路、多轮对话和异常场景。
4. 参与大模型应用的质量评估，关注准确性、稳定性、一致性、幻觉率、召回质量、安全性等核心指标。
5. 参与需求评审、技术方案设计与线上质量分析，推动质量问题闭环。
6. 参与测试工具链、质量看板、评测平台等建设。

职位要求四条：2027 届本科及以上；熟悉软件测试基础理论与流程；熟练掌握至少一种编程语言（Python／Java／Go／JavaScript）；了解接口测试、自动化测试、性能测试中的一种或多种。

让我确认了两遍的是页面上的公司规模：**50—100 人。**

一家五十来人的公司，测试开发岗招 2 人，要求里写着"评测集、Bad Case 库、质量指标、版本对比机制"四件套。

这不是个例。把这份 JD 和大厂同类岗位的要求摆在一起看，除了"主导"两个字换成了"参与"、以及没有写"多 Agent 系统"之外，形状几乎是同一个。**小公司在用与大厂同一套语言描述测试这件事。**

对 2027 届的学生来说，这件事的意义比听起来大。它意味着一个现实：你可能进不了大厂，但你进去的地方也希望你能做"评测"这件事。而小公司做评测，跟大厂做评测，是两件很不相同的工作。

### 先看清这份岗位招的是"哪一种测试"

职位要求第四条是"了解接口测试、自动化测试、性能测试中的一种或多种，能够独立完成测试用例设计与执行"。

这句话把门槛放在了很传统的三样东西上。**没有要求你会训模型，没有要求你做过 Agent，也没有要求你懂 RAG 的实现。**

但职位描述里出现了 Agent、RAG、多模态、幻觉率、召回质量、工具调用链路。

这两段的落差，就是这份岗位的真实形状：**它要的是一个传统测试基本功过关、但愿意去做一类新型测试的人。**

我猜面试大概会长成这样：前半段问你 pytest 怎么写、接口怎么测、用例怎么设计；后半段问你"如果给你一个 AI 客服，你会怎么测"。

后半段不好答。不是因为它难，是因为它没有标准答案，而大多数学生准备的是标准答案。

### 小公司做评测，跟大厂最大的区别是什么

我总结了三处，都是"人数"直接决定的：

| 维度 | 大厂 | 50 人公司 |
|---|---|---|
| 评测集谁维护 | 专职团队 + 平台 | **可能就是一个人**，还是兼职 |
| 数据从哪来 | 线上海量会话、专职标注 | 真实用户量小，只能靠自造 + 少量线上 |
| 判断谁来做 | 业务方签字 + QA 复核 | 你和产品经理两个人对一下 |
| 出了事谁负责 | 流程和评审 | 大概率就是最后一个改这个系统的人 |

第三、四行是关键。大厂可以靠流程把判断分散到几个人身上，小公司做不到——你不能开一个三人评审会，因为那三个人就是全部。

所以小公司做评测，真正的约束不是"数据不够"，而是**"判断只能由极少数人做，而且这些人还要同时干别的"**。

这一条约束会改变整套设计的形状：

- 评测集不能太大。大到你判不完，就等于没有。
- 判定标准必须能被人快速复用。因为下周判的人可能是产品经理，不是你。
- 版本对比必须自动化。因为没有人会记得上一版是什么样。


![image.png](https://developer.qcloudimg.com/http-save/yehe-9678105/e9f4df187fcbc280edf65746f84d8846.png)


### 那 6 条职责，一个人怎么排

假设你真的进了这样的公司，测试就你一个（加半个产品经理）。六条职责怎么排顺序？

我的建议是按"能不能一个人做完"倒着排，不是按 JD 顺序：

**第一件该做的：Bad Case 库（第 2 条里最实的一块）**

不用建平台，一个表格就够。字段最少四个：用户原话、系统回答、哪里不对、判断依据。第四个字段最重要，因为它逼你写清"为什么这是问题"——写不出来的，多半不是问题。

小团队做 Bad Case 库有个天然优势：你能看到所有真实反馈。大厂的 QA 看不到原始的用户投诉，你能。所以这一件事在五十人公司反而做得比大厂快。

**第二件：版本对比（第 2 条的另一半）**

这件事必须自动化，否则不会发生。最小形态是：同一批问题，跑新旧两版，把输出并排放在一张表里，标出哪些变了。不判对错，只标变化。

很多人会跳过这一步去做"质量指标"，我认为顺序反了。**先能看出"变了"，再讨论"变好还是变坏"。** 前者是事实，后者是判断，判断要花人的时间。

**第三件：指标（第 4 条）**

幻觉率、准确性、一致性这些词，听起来都能算，实际都要先定义。比如"幻觉率"，你要先回答：什么算幻觉？答错了算不算？答对了但引用了不存在的来源算不算？该拒答却答了算不算？

我在一份公开的 Agent 评测实践里看到一个处理方式值得学：把"能力边界与操作安全"单独作为一个评分维度，而且它是一票否决的——不参与加权，不达标直接判未通过。小团队尤其需要这种"不参与平均"的硬项，因为加权平均在小样本上极不稳定。

**第四件往后：接口自动化、端到端、工具链、平台（第 3、6 条）**

这些可以慢慢来，而且大部分能靠现成工具解决。一个人做平台建设，重点不是"自己写一个"，是"选一个能用的然后把流程跑通"。

注意这个顺序和 JD 的顺序几乎相反。JD 是写给部门看的，讲的是完整职责；你排的是从零起步的顺序，讲的是先做哪块能最快产生判断力。

### 面试里怎么答"你会怎么建评测集"

这是这篇里我最想给具体答案的部分。如果你去面这类岗位，被问到这题，不要答"我会用大模型自动生成用例"。

一个能答到点上的框架，四步：

**第一步，先说规模。** "我会先做 30 到 50 条，不会一上来做几百条。"——这句话立刻把你和背概念的人分开，因为它说明你想过判得完的问题。

**第二步，说这 50 条怎么分。** "按用户会怎么问分几类，每条再标它内部会走哪条路径（要调哪个工具、查哪个知识库）。另外单独留一组'用户没把话说全'的。"——第二条来自真实 JD 里的要求，你自己想不出来，但你做过项目就能验证。

**第三步，说合格标准写在哪。** "每条用例写预期行为，不只是预期答案。比如有的题正确答案是'拒答'，有的是'先追问缺的参数'。"——这一步区分"试用"和"评测"。

**第四步，说你怎么验证自己的评测集。** "我会让第二个人独立判一遍同一批结果，看一致率。不一致的逐条看，改标准。"

第四步是加分项。绝大多数应届生答不到这里，因为它要求你想过"我的判断本身可靠吗"。


![image.png](https://developer.qcloudimg.com/http-save/yehe-9678105/6b95c1242c4452ad54d16203f15a1891.png)


### 小公司这条路，值不值得走

我不打算说"小公司也能学到很多"这种话，因为它既对又没用。说一个更具体的判断。

这类岗位的真实价值在**覆盖广度**：你一个人要碰评测集、指标、自动化、工具链、线上分析——六条职责全是你的事。这在五年后的简历上是一个完整的故事："我在一家 AI 产品公司从零建了质量体系"。

真实代价在**没有对标**：你不知道自己做的评测集算好还是算差，因为你身边没人做过。这个代价不小，它会让你在很多判断上缺少校正。缓解办法只有一个——去看公开的、把口径写清楚的实践，然后拿自己的数去对。

有一件事我建议所有要去小公司的学生提前问清楚，面试时可以问，不冒犯：

**"这个岗位上除了我，还有谁负责质量？"**

如果答案是"还有半个产品经理帮忙看"，你就该知道自己进去后第一个月要做的是建立判断标准，而不是写自动化脚本。如果答案是"还有两个人，你可以跟他们学"，那是另一条路径。

问这个问题本身也是个信号——它说明你在想"我怎么把事做成"，而不只是"我怎么进去"。

最后一句。这份 JD 里"参与"两个字出现了六次。别把它理解成"打杂"。在五十人的公司里，"参与"通常意味着"这件事就你一个人，所以你是从零参与到你把它做完"。这既是压力，也是这类岗位真正值钱的地方。

>本文部分内容参考了霍格沃兹测试开发学社整理的相关技术资料，主要涉及软件测试、自动化测试、测试开发及 AI 测试等内容，侧重测试实践、工具应用与工程经验整理。

本文讨论的是 2027 届校招里一类容易被忽略的岗位：中小型 AI 公司的测试开发岗。它们招的人少（往往只招 1—2 个），但 JD 里写的要求跟大厂几乎一样——覆盖 Agent、RAG、智能客服、多模态，要建评测集、Bad Case 库、质量指标、版本对比。文章以一家 2026 年 11 月在北邮宣讲的 AI 公司的真实 JD 为样本，讲清小公司这一套到底怎么搭，以及应届生进去之后第一个月该做什么。

小公司的测试岗，正在变成一个人撑一套评测体系

本文讨论的是 2027 届校招里一类容易被忽略的岗位：中小型 AI 公司的测试开发岗。它们招的人少（往往只招 1—2 个），但 JD 里写的要求跟大厂几乎一样——覆盖 Agent、RAG、智能客服、多模态，要建评测集、Bad Case 库、质量指标、版本对比。文章以一家 2026 年 11 月在北邮宣讲的 AI 公司的真实 JD 为样本，讲清小公司这一套到底怎么搭，以及应届生进去之后第一个月该做什

测试

人工智能

职业发展

2027届校招中，中小型AI公司测试开发岗虽招人少却要求与大厂一致，覆盖Agent、RAG等AI场景。本文剖析真实JD，拆解评测集、BadCase库、质量指标与版本对比的落地方案，规划应届生首月实操顺序，提供面试应答框架，并点明岗位的真实价值与代价。

大模型应用

软件测试

性能测试

JavaScript

Python

Agent

Java

腾讯云双十一大促

lexiang

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

小公司的测试岗，正在变成一个人撑一套评测体系-腾讯云开发者社区-腾讯云

小公司的测试岗，正在变成一个人撑一套评测体系

小公司的测试岗，正在变成一个人撑一套评测体系

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐