岗位职责
- 负责支撑 AGI 应用的生成式 AI 在线引擎及模型服务质量保障，覆盖推理引擎、模型运行时、模型部署、资源调度、服务管控及上下游依赖链路。支撑 AGI 应用的个性化知识记忆和生成式推荐质量保障，覆盖知识接入、解析加工、存储索引、检索召回、记忆生成、更新与遗忘、上下文组装、生成及推荐等端到端链路。
- 主导知识记忆系统的工程质量建设，围绕数据正确性、一致性、时效性、可追溯性、用户隔离、隐私安全、服务可用性、性能和成本建立质量保障体系。建设知识记忆及生成式推荐的效果准出标准，重点评估知识召回准确性、记忆写入与读取正确性、个性化相关性、事实一致性、推荐有效性以及长期记忆稳定性。
- 建设可持续运营的评测体系，包括标准数据集、用户场景集、效果指标、自动化评测、人工评审、线上回归和问题样本回流机制，保障算法、模型、知识和工程变更可量化、可比较、可准出。
- 负责向量检索、知识图谱、分布式存储及数据迁移等基础能力的质量保障，开展故障注入、容量测试、容灾验证和一致性测试，防范数据丢失、串扰、污染及不可追溯风险。
- 建设自动化和智能化测试能力，推动知识记忆测试资产、风险模式、评测标准和历史问题沉淀，提升回归效率及问题发现能力。
- 与算法、模型、数据、搜索推荐、存储平台及业务团队紧密协作，推动质量问题闭环和领域质量标准落地。
- 与模型、引擎、平台、基础设施及业务团队紧密协作，推动问题定位、风险闭环和质量标准落地。
职位要求
- 3—5 年软件测试、测试开发或质量工程经验，具备 AI 推理引擎、模型服务、分布式计算、云原生基础设施等相关质量工作背景。
- 熟悉大模型在线推理或服务化的基本原理，了解模型加载、批处理、并行计算、KV Cache、资源调度、服务路由、容量管理等关键技术。
- 熟练掌握 Python、C++、Java 中至少一门语言，能够独立开发测试工具、自动化框架或质量平台；熟悉 Pytest、JUnit、TestNG 等测试框架。
- 具备白盒测试、性能测试或混沌工程经验，能够使用日志、指标、链路追踪和性能分析工具完成复杂问题定位。
- 能够主导大型项目的整体测试工作，包括测试分析、方案设计、用例落地、测试流程规范、进度管理和上线风险判断。
- 具备良好的沟通协调能力和团队合作意识，能够推动多角色、多团队共同解决复杂交付问题。 加分项
- 有 RAG、智能搜索、推荐系统、向量数据库、知识图谱或用户画像系统测试及研发经验。
- 有长期记忆、个性化 Agent、多轮交互、生成式推荐或大模型应用效果评测经验。
- 有离线评测、在线实验、人工评审、模型评审或 LLM-as-a-Judge 体系建设经验。
- 有数据迁移、隐私保护、数据安全、知识溯源或多租户隔离质量保障经验。
- 有自动化评测平台、质量门禁或 AI Test 平台建设经验。
